AT514680A2 - Prozess zur Optimierung der Wartung technischer Systeme - Google Patents

Abstract

Es wird ein Verfahren zur vorbeugenden (zustandsbasierten) Wartung komplexer Systeme, z.B. Windturbinen-Anlagen beschrieben. Ziel ist es, Fehler aufgrund von Fehlermodi zu vermeiden, die die Verfügbarkeit und Lebensdauer von Windturbinen nach Ansicht von Experten limitieren.

Description

Prozess zur Optimierung der Wartung technischer Systeme (insbesondere Windturbinen)

Hsntergrimd

Der Standardzugang zu Wartungsarbeiten an technischen Systemen basiert auf vorgeplante oder reaktive Einsätze, letzteres z.B. bei einem Auftreten eines Fehlers. Dies zieht Aufgrund von unvorhersehbaren Ereignissen hohe Kosten und Stillstandszeiten nach sich wodurch sich die Motivation für zustandsabhängige, präventive Wartungen erklärt.

Dieser zustandsabhängige, präventive Zugang benötigt die Identifikation von Wartungsaktivitäten um Fehler und Ausfälle zu vermeiden. Dazu ist es notwendig, Abweichungen des Systemverhaltens zu erkennen und eine Analyse und Diagnose der Ursache dieser Abweichung durchzuführen.

Des Weiteren besteht die Notwendigkeit einer Vorhersage über die Fehlerfortpflanzung, um eine Gewichtung des Fehlers zu bestimmen und daraus entsprechende Gegenmaßnahmen organisieren zu können.

Stand der Technik

Eine zustandsabhängige Wartung benötigt einen Auslöser um Aktivitäten zu starten. Dieser Auslöser ist normallerweise die Identifikation einer Abweichung des Systems von einem erwarteten Verhalten. Eine Zustandserkennung basiert auf der Messung von Systemdaten (Vibrationsmessung, SCADA (Supervisory Condition and Data Acquisition)) und • statistischen Analysen (Zeitreihen, Kreuz-Korrelationen), • der Erkennung von Schwellwert (vordefinierte, programmierte Alarmgrenzen) -Überschreitungen sowie • Gegenüberstellungen von gemessenen Daten mit Erwartungswerten aus beschädigten Systemzuständen (Smart Signal).

Einschlägige Patente WO 08/043 762, Ecotecnica energias renovables beschäftigt sich mit mechanischer Ermüdung

Ein Überwachungssystem basierend auf einer Sensorausrüstung und -ausführung um den Zustand und die Belastung einer Windturbine zu messen.

Zielsetzung: Betriebsoptimierung um mechanische Ermüdung zu minimieren WO 09/053 365, Ecotecnica energias renovables beschreibt die Evaluierung von Ermüdungsschäden basierend auf Rainflow-Klassifizierungen von Momenten-Zyklen, streng nach Standardliteratur. WO 90/027 509, Vestas

Methode um einen Standort für Wind Parks bezogen aufwartungskosten zu bewerten. Die Analyse basiert auf Windparameter (inklusive statistischen Daten von Wind Park Wartungen)

US 2002/000 723 A

Optimierung des Betriebs von Windturbinen basierend auf von einem Sensorsystem gemessenen Daten. Die Optimierung wird durch Einstellungen an Parametern auf Basis der aktuellen Windgeschwindigkeit durchgeführt.

WO 09/016 020 A bezieht sich auf Zustandsüberwachung

Ein Signal wird übertragen, wenn der Gradient eines gemessenen Werts ein vordefiniertes Maximum überschreitet.

US 2005/090 937 A und US 2004/230 377 A bezieht sich auf SCADA Architektur und Echtzeitüberwachung Überwachung und Bewertung des Betriebs basierend auf der Messung von Vibration. US 2009/096 406 A, General Electric

Eine Methode und ein System zur Bestimmung der Zuverlässigkeit und der verbleibenden Zeit bis zu einem Schaden eines Gleichstrommotors. Die Methode bzw. das System kann die Zuverlässigkeit und die verbleibende Zeit bis zu einem Schaden mit einer statistischen Sicherheit bestimmen. Die Methode bzw. das System kann das Akquirieren von Betriebs- und historischen Motordaten sowie die Durchführung einer Schadensanalyse, die Entwicklung eines kausalen Netzwerks und die Durchführung einer integrierten kausalen Netzwerk- und Zuverlässigkeitsanalyse am Gleichstrommotorsystem beinhalten. US 2009/096 405 A, General Electric

Eine Methode und ein System für eine ferngesteuerte Vorhersage der Zuverlässigkeit und der verbleibenden Zeit bis zu einem Schaden eines Wechselstrommotorsystems. Die Methode und das System kann ferngesteuert die Zuverlässigkeit und die verbleibende Zeit bis zu einem Schaden mittels einer statistischen Sicherheit durch die Nutzung eine Zustandsvorhersage eines Wechselstrommotorsystems bestimmen. Die Methode bzw. das System kann das Akquirieren von Betriebs- und historischen Motordaten sowie die Durchführung einer Schadensanalyse, die Entwicklung eines kausalen Netzwerks und die Durchführung einer integrierten kausalen Netzwerk- und Zuverlässigkeitsanalyse am Wechselstrommotorsystem beinhalten. Die Methode und das System kann zumindest eine Benachrichtigung eines Problems mit dem Wechselstrommotorsystem oder zumindest einer Komponenten des Wechselstrommotorsystems beinhalten. US 2009/039 650 A, General Electric

Identifikation von Ergebnissen durch die Kombination von Signalen

Akquisition von Windturbinendaten für den Vergleich und die darauffolgenden Ableitung von Maßnahmen. US 2009/037 206 A, Caterpillar

Eine Methode für die Vorhersage von Wartungsarbeiten einer Maschine. Die Methode inkludiert die Messung eines Parameters der Maschine, der hinweisend für den Zustand der Maschine ist, sowie die Übertragung des gemessenen Parameters an Wartungsplanungssystems. Die Methode inkludiert auch die Vorhersage von zwei oder mehreren Parameter-Abweichungskurven, die auf die Variation der Parameter mit der Zeit hinweisen, wobei jede dieser Parameter-Abweichungskurven den Wert des Parameters für verschiedene Konfidenzintervalle repräsentiert. Des Weiteren identifiziert die Methode, basierend auf zwei oder mehreren Parameter-Abweichungskurven, eine Periode für die erstmalige Wartung der Maschine. US 2004/030 524 A, US Dep. of Energy, Batelle Memorial Inst.

Methoden und Systeme für die Analyse der Degradation und Ausfälle von mechanischen Systemen.

Methoden und Systeme für die Identifikation, das Verständnis, und die Vorhersage der Degradation und Ausfälle von mechanischen Systemen werden vorgestellt. Die Methoden inkludieren die Messung und Quantifizierung von Stressfaktoren, die für die Aktivierung der Degradationsmechanismen in den zu untersuchenden Maschinenkomponenten verantwortlich sind. Die Intensität des Stressfaktors kann aufgrund von einigen bestimmbaren Funktionen mit der physikalischen Degradationsrate korreliert werden um damit einen Abweichungszusammenhang zwischen der Maschinenleistung, Degradation und dem zugrundeliegenden Stressfaktors zu erhalten. Der Abweichungszusammenhang kann dazu verwendet werden um diagnostische und prognostische Berechnungen im Zusammenhang mit der Leistung und der projizierten Lebensdauer der Maschine durchzuführen. Diese Berechnungen können in Echtzeit durchgeführt werden, um operative Parameter schnell einstellen zu können, um die Effekte der Degradationsmechanismen zu minimieren oder eliminieren und dadurch die Lebensdauer der Maschine zu verlängern. Verschiedene Systeme, die diese Methode implementieren, werden ebenfalls dargestellt. GB 2008/07775 A0, wird ca. in 12/2009 publiziert

Methoden für eine Diagnose von Getriebekästen basierend auf Modellen. US 2011/0 018 727 Al, Honeywell

Mit einem Computer implementierte Methode und System, welche die Verwendung von Informationen von Sensoren beinhaltet um einen Windturbinengenerator zu überwachen, um Signale, die den Betrieb des Windturbinengenerators repräsentieren, zur Verfügung zu stellen, Signalpegeleigenschaften aus den Signalen zu extrahieren, basierend auf Modellen Eigenschaften von Signalen zu extrahieren, basierend auf Signalen und Modellen sowie auf eine Verstärkung von spektralen Eigenschaften Folgerungen zu treffen und das Zusammenführen der Folgerungen um eine abschätzende Fehlerdiagnose zu liefern.

Schwächen der aktuellen Lösungen • Vordefinierte, programmierte Alarmgrenzen sind nur wenig effizient für eine Detektion von sich ankündigenden Fehlern und Vorboten dieser da diese o für einen Volllastbetrieb definiert werden. Allerdings sind die

Betriebszeiten meist unter Teillast, daher können diese Alarmgrenzen nicht zu einer Detektion beitragen und in der Realität keine zuverlässigen Ergebnisse abgeleitet werden. o nur eine obere oder untere Grenze für die Observable darstellen.

Zeitliche Veränderungen des Systems und Gradienten von Observablen werden nicht berücksichtigt. o nicht den Spezifika von individuellen Turbinen angepasst werden (HS, SW), was zu erhöhten Bandbreiten und in weiterer Folge zu einer

Reduktion der Empfindlichkeit gegenüber Abweichungen und dadurch eine Verringerung der Vorwarnzeit führt. • Der Anteil an Fehlalarmen ist hoch, aufgrund der o Streuung von Messwerten und individuellen Turbinenparameter (Steuereinstellungen) und o großen Anteilen von gesunden und beschädigten Turbinen, was zu hohen Fehlerraten führt und die praktische Anwendungen solcher Systeme beeinträchtigt. (Bayes-Abwägung) • Überwachungssysteme basieren auf verfügbaren Daten ohne einer anfänglichen Systemanalyse oder Zielspezifikation. Dies führt zu einer limitierten Erfassung der Verfügbarkeit und Lebenszeit-reduzierenden Risiken (Schadensmodi) o da keine anfängliche Abschätzung der Ausfallspotentiale vorliegt. Es ist nicht klar, welcher relevante Fehlermodus nachweisbar ist. Daher fehlen manche Fehlermodi aufgrund von fehlender Observablen oder Datenanalysen. o wenn vordefinierte Daten als Basis für ein Überwachungssystem verwendet werden. Die Art und Klassifizierung der Daten reflektiert keine Fehlermodi wieder, was die Qualität der möglichen Resultate beeinträchtigt. o wenn die Bewertung auf der Modellierung von Abweichungen des Systemverhaltens basiert (wie bei „Cat" und „Smart Signal"). Dies muss für den Wert der Abweichung und der Kinetik für alle relevanten Schädigungsmodi quantitativ richtig durchgeführt werden. Allerdings ist dies für einige dieser Modi unmöglich (z.B. wegen Sicherheitsbedenken, Kosten oder System-Schäden). o da zusätzliche Sensoren und Instrumente die technische Komplexität des zu überwachenden Systems erhöhen. Dadurch wird die

Zuverlässigkeit möglicherweise reduziert. Dieser Kompromiss kann nicht quantifiziert werden da die Referenz für eine Bewertung fehlt. o da in der wissenschaftlichen Literatur anwendbare Schädigungsmodelle (basierend auf Observablen von Turbinen) nur für bestimmte Fehlermodi (Alterung, Ermüdung) existieren. Daher können präventive Wartungsaktivitäten nur für diese speziellen Fälle geplant werden, was keine Einschätzung einer generellen Erhöhung der Systemverfügbarkeit erlaubt.

Zugang

Es wird ein Prozess für eine optimierte zustandsbasierte, präventive Wartung von Windparks beschrieben. Die Aktivität zielt auf die Prävention von Defekten, welche auf all jenen Fehlermodi basieren, die die Verfügbarkeit und Lebensdauer von Windturbinen laut dem Urteil von Experten reduzieren.

Die Optimierung findet in zwei Schritten statt. Im ersten Schritt wird die zeitbasierte Wartungsstrategie beurteilt und, wenn möglich, durch eine Neuzuteilung von spezifischen Aktivitäten zu den passenden Wartungsintervallen bzw. durch eine Neuausrichtung dieser Intervalle verbessert. Im zweiten Schritt werden die Fehlermodi individuell analysiert um zu eruieren, in welchem Maß eine Zustandsüberwachung und in weiterer Folge eine zustandsbasierende Wartung durchgeführt werden soll um die generelle Systemverfügbarkeit zu erhöhen.

Beschreibung des Prozesses "Kombinierte Wartungsstrategie" 1. Auswahl des technischen Systems bestehend aus definierten Komponenten und Sensoren

In diesem Schritt werden die Randbedingungen des zu überwachenden Systems definiert. Im Speziellen werden alle Sensoren und Datenquellen, welche zur Standardausstattung des Systems gehören, identifiziert.

Das Ergebnis dieses Schritts ist eine Beschreibung des Systems auf Basis eines hierarchischen Baumes bestehend aus Komponenten, welche miteinander interagieren inklusive einer Auflistung aller - im generellen sensorbasierten -Daten, welche automatisch vom System generiert werden, wenn sich dieses im normalen, also gesunden, Betriebszustand befindet. Diese Auflistung der Daten beinhaltet eine Beschreibung der Datenkanäle, die Abtastfrequenz und Übertragunghäufigkeit sowie das Datenformat und der Speicherort. 2. Festlegung der beabsichtigten Systemlebensdauer und Verfügbarkeitsziele

Die beabsichtigte Systemlebensdauer 0L [h] ist die Zeitspanne der nutzbaren Lebensdauer, in der das System überwacht werden soll. Das Zuverlässigkeitsziel Ajarg des Systems wird durch den minimalen Anteil des erwarteten Normalbetriebs an der Gesamtbetriebsdauer bestimmt. Normallerweise wird dieses als Prozentzahl, bezogen auf Zeitperioden wie z.B. pro Monat, pro Quartal oder pro Jahr, angegeben. 3. System-Ausfalls-Potential wurde definiert?

Wenn der beschriebene Prozess auf ein komplexes System angewendet wird, kann es sein, dass potentielle Fehlermodi bereits bekannt sind. Zum Beispiel könnte in der Vergangenheit eine Fehler-Möglichkeits- und Einfluss-Analyse ( (FMEA) durchgeführt und alle potentiellen Fehlermodi identifiziert worden sein.

Wenn bereits genügend Information über die Fehlermodi vorliegen, werden diese berücksichtigt und in den zustandsbasierten Überwachungsprozess integriert. Wenn nicht müssen die nachfolgenden Schritte (3.1 bis 3.4) durchgeführt werden. 3.1. Klassifizierung aller bekannten Fehlermodi

Jeder potentieller Fehlermodus wird mit Bezug auf die verursachende Komponente klassifiziert und hinreichend beschrieben. Das Ergebnis dieses Schrittes ist sowohl eine Liste von nF Fehlermodi mit Bezügen auf die verursachenden Komponenten (oder Subsystemen) als auch Schädigungsindikatoren (messbare Variablen) und physikalische oder stochastische Schädigungsmodelle für jeden Fehlermodus.

Die identifizierten Fehlermodi werden als unabhängig voneinander betrachtet, sodass das Auftreten eines Fehlermodus keinen Einfluss auf das Auftreten eines anderen hat. Treten Wirkungsketten von Fehlermodi auf, wird nur der verursachende Fehlermodus berücksichtigt. Alle Folgefehlermodi müssen in die Stillstandszeit (Downtime) und die Kosten des ursächlichen Fehlermodus mitaufgenommen werden. 3.2. Bestimmung des Systemlebensdauermodells für jeden Fehlermodus

In der wissenschaftlichen Literatur ist die Weibullverteilung als geeignetes Modell für die statistische Beschreibung der Lebensdauer von technischen Systemen anerkannt. Eine Weibullverteilung wird mittels eines Formparameters ß und eines Skalenparameters η beschrieben. Der Formparameter beschreibt dabei die Veränderung des Risikos eines Fehlers über die Zeit und der Skalenparameter die charakteristische Lebensdauer, z.B. die Zeit bis 63% Einheiten einer Population ausfallen. Die Erfahrung zeigt, dass die Weibullverteilung für eine Reihe von verschiedenen Fehlermodi deren Verhalten über die Lebensdauer modellieren kann wobei die Form- und Skalenparameter ß und η zwischen den Fehlermodi variieren. Basierend auf historischen Daten von Ausfallsraten von allen Fehlermodi i (i = 1, ..., nF) müssen die Faktoren ß, und η, bestimmt werden. 3.3. Bestimmung der Zuverlässigkeitswerte pro Fehlermodus

Die historischen Ausfallsraten und Daten über die Zeitspannen bis zu Reparaturen (time-to-repair) werden für jeden einzelnen Fehlermodus i (i = 1, ..., nF) analysiert und über einen definierten Zeitraum gemittelt um folgende Werte zu bestimmen: • Die Fehlerrate λ, als Anzahl von beobachteten Fehlern dividiert durch die gesamte Betriebszeit im Beobachtungszeitraum. Die Fehlerrate ist mit den Weibullparametern ß, und η, verbunden da die Datengrundlage für die Berechnung in beiden Fällen gleich ist. Unter der Annahme einer konstanten Fehlerrate über eine bestimmte Zeit ist

ßi)).. (MTTF = Mean-Time-to-Failure) • Die durchschnittliche Stillstandszeit pro Fehler x, wird bestimmt durch die durchschnittliche Zeitdauer, in dem das System aufgrund von Fehlern still steht bis zum Neustart des Systems nach einer Reparatur. Es wird angenommen, dass x, erheblich niedriger als MTTFi ist. • Die Genauigkeit des Weibull Modells ist bestimmt durch π, e [0; 1] bei der Anwendung der Modelle auf historische Daten in 3.2. Je höher π,, desto genauer ist das Modell. Für jeden Fehlermodus wird die Reduktion der Stillstandszeit durch

berechnet. 3.4. Identifikation der effektivsten Fehlermodi bezogen auf κ, / π.

Die Fehlermodi werden nach

gereiht, beginnend mit dem höchsten bis zu dem niedrigsten Wert. Von der sortierten Liste werden r Fehlermodi

K*(r)) unter der Bedingung entfernt, sodass

Die verbleibenden nF - r Fehlermodi sind jene mit den höchsten κ-Werten. D.h. die Verfügbarkeit kann durch die Anwendung der optimierten Wartungsstrategie auf diese nF - r Fehlermodi am wahrscheinlichsten verbessert werden. Daraus folgend werden diese als hoch-wirksame Fehlermodi bezeichnet. 4. Ist ein Referenz-Wartungsplan inklusive Reparaturzeiten von

Fehlermodi definiert?

Steht ein Referenz-Wartungsplan für hoch-wirksame Fehlermodi zur Verfügung, wird dieser in der optimierten Wartungsstrategie verwendet. Falls dem nicht so ist, müssen die Schritte 4.1 bis 4.4 durchgeführt werden. 4.1. Identifikation der Reparaturzeiten von Fehlermodi

Die folgenden Werte für zu erwartende Reparaturzeiten von hoch-wirksamen Fehlermodi i müssen identifiziert werden. Dabei stellen diese Werte im Gegensatz zu η spezifische Details für Reparaturaktivitäten zur Verfügung. • Die normale Reparaturzeit tNRT/i [h]. Dies ist die Zeit die normalerweise zur Reparatur des Fehlers benötigt wird, wenn er während einer geplanten Wartung entdeckt wurde. • Die ungeplante Reparaturzeit tURT,i [h]. Dies ist die Zeit die normalerweise zur Reparatur des Fehlers benötigt wird, wenn er unerwartet auftritt. • Die Notfall-Reaktionszeit (Emergency Response Delay) tERD/i [h]. Diese Zeit berücksichtigt die mögliche Bestellzeit für Ersatzteile, Werkzeuge, die Montagezeit dieser Werkzeuge sowie die Verfügbarkeit von Service-Personal, wenn der Fehler unerwartet auftritt. • Die Notfall-Zugangsszeit (Emergency Access time) tEAT,i [h]. Dies ist die Zeit, die benötigt wird, um Techniker und Servicepersonal sowie Werkzeuge und Ersatzteile zum Anlagenstandort zu bringen, wenn der Fehler unerwartet auftritt.

Jede Reparaturmaßnahme wird als gleichwertig mit einer Erneuerung des kompletten Systems angesehen. Das bedeutet, dass nach jeder Reparatur angenommen wird, dass das System genau die gleiche Leistung liefert, so als ob es neu wäre. In Fällen, in denen diese Vorgabe verletzt wird, muss die charakteristische Lebensdauer der betroffenen Fehlermodi verringert werden. 4.2. Bestimmung der optimalen Serviceintervalle Für jeden hoch-wirksamen Fehlermodus muss das optimale Serviceintervall Θ, bestimmt werden. Dies ist die Zeitdauer in der die Summe des geplanten und ungeplanten Stillstands, welche mit der Nichtverfügbarkeit ASYs,i aufgrund des Fehlermodus i im Zusammenhang stehen, ein Minimum ergibt.

4.3. Definieren von standardisierten Wartungsaufgaben

Eine Liste mit standardisierten Wartungsaufgaben Mi, ..., Mm (Austausch des Getriebeöls, Austausch von Filtern und Dichtungen, Messung von Bolzenmomenten, usw.) und Zuweisung mindestens einer Aufgabe zu einem hoch-wirksamen Fehlermodus ist zu erstellen 4.4. Definieren des Zeitplans für Serviceintervalle

Der Zeitplan für Serviceintervalle ist ein Plan für Wartungsarbeiten mit äquidistanten Intervallschritten. Der Zeitplan wird mit θ*ι = min, Θ, initialisiert.

Dieser Wert definiert das Intervall zwischen zwei geplanten Wartungsarbeiten. Für jeden hoch-wirksamen Fehlermodus wird das spezifische Serviceintervall 0* definiert und folgt folgenden Regeln: 1) Es muss ein ganzzahliges Vielfaches von θ*ι sein 2) Es muss kleiner oder gleich 0jSein 5. Berechnung der erwarteten Fehlerwahrscheinlichkeit pro Fehlermodus Für jeden hoch-wirksamen Fehlermodus wird die erwartete Fehlerwahrscheinlichkeit Pi berechnet. Dies ist die Bewertung der kumulativen Verteilungsfunktion nach der Weibullverteilung zum Zeitpunkt des Services (z.B. p, = 1 - exp(-(0* / r|j)ßi).

Aufgrund des Umstandes, dass die Transformation Xß einer Weibull-verteilten Zufallsvariablen (X ~ Wb(r|, ß)) einer Exponentialverteilung mit dem Parameter ηβ folgt, wird die Anzahl der ungeplanten Wartungsarbeiten nuPM innerhalb des Intervalls Θ*, mit Θ*, / ηβ abgeschätzt. 6. Vorhersage der erwarteten Anzahl an Wartungsaktivitäten über die Lebensdauer pro Fehlermodus Für jeden hoch-wirksamen Fehlermodus wird die Anzahl der Wartungsaktivitäten aufgrund des Auftretens irgendeines Fehlermodus über die Systemlebensdauer 0L berechnet. Für jeden hoch-wirksamen Fehlermodus i ist die Anzahl der geplanten Wartungsaktivitäten der größte ganzzahliger Wert, der kleiner oder gleich 0L / 0*, = nTBM,i ist. Dies ist die Anzahl aller geplanten Wartungsaktivitäten. Die Anzahl der zusätzlichen ungeplanten Wartungsarbeiten wird als kleiner als (nTBM,i + 1) * nuPM angenommen wodurch das Maximum der Wartungsaktivitäten aufgrund von Fehlermodus i nTBM,i + (nTBM,i + 1) * nUPM gleich ist. Sie wird als Maximum bezeichnet, da in Fällen, in denen eine ungeplante Wartung in der Nähe einer geplanten stattfindet, die betroffenen Komponenten während der geplanten Wartung nicht verändert werden. Zusätzlich wird die Zeit von der letzten geplanten Wartung bis zum Ende der Lebensdauer 0L generell kleiner als 0*, sein. 7. Berechnung der Stillstandszeit des Systems über die Lebensdauer pro Fehlermodus

Pro Fehlermodus werden alle geplanten Wartungsaktivitäten mit der normierten Reparaturzeit tNRT gewichtet und für jede ungeplante Reparatur, die ungeplante Reparaturzeit tURT, die Notfalls-Reaktionszeit tERD und die Notfalls-Zugangszeit tEAT berücksichtigt um die gesamte Stillstandszeit des Systems über die Lebensdauer pro Fehlermodus mit berechnen. S. Berechnung der gesamten Systemverfügbarkeit aufgrund der hoch-wirksamen Fehlermodi

Obwohl Reparaturarbeiten auch parallel, zumindest in Fällen von geplanten Wartungsarbeiten, ausgeführt werden können, wird für eine konservative Abschätzung angenommen, dass diese sequentiell durchgeführt werden. Damit wird die Stillstandszeit des Systems pro (hoch-wirksamem) Fehlermodus mittels

berechnet. Folglich ist die Systemverfügbarkeit gleich

9. Vergleich der erwarteten Verfügbarkeit mit den Verfügbarkeitszielen

Ist die Verfügbarkeit nach der zeitbasierten Optimierung größer als das Ziel (ASYS ^ Atarg) dann ist die zeitbasierte Wartungsstrategie ausreichend für das Erreichen des Verfügbarkeitszieles. 9.1. Überprüfung des r-Wertes und Abwägen zusätzlicher zeitbasierter Wartungsoptimierungsschritte

Ist dem nicht so (also ASYS < ATArg), sollten weitere Optimierungsmaßnahmen getroffen werden indem zusätzliche Fehlermodi, sofern diese dokumentiert sind (wenn r > 0), in die zeitbasierte Wartungsoptimierung aufgenommen werden. Zu beachten ist, dass in diesem zusätzlichen Optimierungsschritt der aktualisierte Wert von π, pro Fehlermodus in Betracht gezogen werden sollte. Wenn r = 0 und weiterhin ASYs < ATarg ist, dann wird die Einführung einer selektiven zustandsbasierten Wartungsstrategie vorgeschlagen. 10.Berechnung des Einflusses von Auftritten von ungeplanten hoch-wirksamen Fehlermodi

Um zu überprüfen, ob für jeden hoch-wirksamen Fehlermodus die zeitbasierte mit einer zustandsbasierten Wartung ausgetauscht werden sollte, wir das effektive Potential mit

berechnet. 11.Sortierung der hoch-wirksamen Fehlermodi nach der Auswirkung des effektiven Potentials auf die Verfügbarkeit.

Die hoch-wirksamen Fehlermodi werden nach der Auswirkung des effektiven Potentials auf die Verfügbarkeit abnehmend sortiert. Der höchstgereihte wird als aktiver Fehlermodus für den Aufbau der zustandsbasierten Wartungsstrategie definiert. 12.Entscheidung ob der aktive Fehlermodus für eine zustandsbasierte Wartung verwendet werden kann.

Nicht alle hoch-wirksamen Fehlermodi sind für eine zustandsbasierte Wartung verwendbar. Verwendbar sind Fehlermodi dann, wenn der dazugehörige Degradationsmechanismus mit vom System gelieferten (sensorischen) Daten nachweisbar ist und wenn geeignete physikalische oder stochastische

Schädigungsmodelle existieren um diese Daten verarbeiten und Modellergebnisse mit Schwellwerten, welche das Auftreten eines Fehlermodus anzeigen, vergleichen zu können. Die benötigten Messkanäle wurden in Schritt 3.1 definiert. Stellt das System diese Kanäle zur Verfügung und ist der Prognosehorizont P/i, d.h. die Zeit zwischen der zuverlässigen Detektion und dem Auftreten des Fehlermodus i, größer als (tERD i + tEAT,i), dann ist der aktiver Fehlermodus für eine zustandsbasierten Wartung verwendbar. Anderenfalls wird der nächst-gereihte Fehlermodus nach Punkt 11. gewählt und dieser Schritt neu durchgeführt. Kann kein hoch-wirksamer Fehlermodus für die zustandsbasierte Wartung als geeignet identifiziert werden, wird dieser Prozess an dieser Stelle abgebrochen ohne das Zuverlässigkeitsziel zu erreichen. Anmerkung: kann keine zustandsbasierte Wartung auf den aktiven Fehlermodus angewendet werden, wird xP/i = 0 definiert. 12.1. Statistische Tauglichkeit von aktiven Fehlermodi zustandsbasierter Wartung

Die Vorhersagegenauigkeit für den aktiven Fehlermodus i wird auf Basis der Wahrscheinlichkeit wie in folgender Kontingenztabelle angegebenen bewertet.

Die Spaltensummen p, = pTp,i + Pfp,i und (1 - p,) = pTN,i + Pfnj sind die Anteile der Stillstands- und Betriebszeiten des Systems bezogen auf den Fehlermodus i. Im Schritt 5 wurde p, bestimmt. Zusätzlich kann der Quotient der falschen Alarme, pFp,i, /(1- Pi), durch die Analyse der historischen Daten bestimmt werden. Da pPi/i = p.TP,i + pFP/i und pNiji = pFN/i + Ρτν,ι gilt, ist die Kontingenztabelle durch diese vier Zustände bestimmt. Die Indizes TN, FN, FP und TN bezeichnen Wahr Negativ (True Negative), Falsch Negativ (False Negative), Falsch Positiv (False Positive) und Wahr Negativ (True Negative) Zustände. 12.2. Stillstandszeit durch aktive Fehlermodi in zustandsbasierter Wartung

Die Stillstandszeit durch das Auftreten eines aktiven Fehlermodus i in zustandsbasierter Wartung wird durch die folgenden Komponenten berechnet:

12.3. Berechnung der gesamten erwarteten Stillstandszeit durch aktive Fehlermodi

Um die gesamte Stillstandszeit durch aktive Fehlermodi, falls anstelle einer zeitbasierten eine zustandsbasierte Wartung angewendet wird, zu berechnen, ist die Anzahl der erwarteten Ausfälle über die Lebensdauer, nCBM, \, notwendig. Es ist der kleinste ganzzahlige Wert der größer oder gleich 0L / MTTF, ist, wobei die mittlere Dauer bis zu einem Ausfall (Mean Time To Failure) MTTF, = ((η, Γ(1 + 1 / ß,)) ist. Für den aktiven Fehlermodus i, welcher nCBMi mal während der beabsichtigen Lebensdauer 0L auftritt, wird eine neue gesamte Stillstandszeit berechnet:

13.Entscheidung ob die zustandsbasierte Wartung effektiv ist

Ist die Stillstandszeit durch die zustandsbasierte Wartung t*DOwN,i größer oder gleich der korrespondierenden Stillstandszeit durch eine zeitbasierte Wartung tDOwN,i, d.h. t*DowN,i ^ tDOwN,i, dann ist der Zugang der zustandsbasierter Wartung für den aktiven Fehlermodus i ineffektiv und wird daher nicht angewendet und der nächste Fehlermodus in der Reihenfolge nach Punkt 11 wird als aktiver Fehlermodus definiert. Gibt es keinen weiteren hoch-wirksamen Fehlermodus wird dieser Prozess beendet ohne das Verfügbarkeitsziel erreicht zu haben.

Wird die zustandsbasierte Wartung als effektiv bewertet, d.h. t*DOwN,i < tDOwN,i, dann wird die gesamte Verfügbarkeit ASYS mit t*DOwN,i anstatt tDOwN,i berechnet. Falls ASYS > Atarg kann der Prozess abgebrochen werden da das Verfügbarkeitsziel erreicht werden kann. Anderenfalls wird der nächste hoch-wirksame Fehlermodus nach Punkt 11 als neuen aktiven Fehlermodus definiert. Gibt es keinen weiteren hoch-wirksamen Fehlermodus wird dieser Prozess beendet ohne das Verfügbarkeitsziel erreicht zu haben.

Claims (1)

1. PATENTANSPRUCH 1. Eine Methode zur Wartung komplexer Systeme, z.B. Windturbinen, die folgende Schritte enthält: a. Erfassung von Zeitreihen physikalischer Daten des Systems durch Messinstrumente mit einer vordefinierten initialen Abtastrate welche relevant für den Status des Systems sind b. Einrichtung eines optimalen, zeit-basierten Service Intervallplans in welchem die Service Intervalle derart gewählt werden, so dass die zu erwartende Ausfallszeit minimal wird c. Berechnung der erwarteten Ausfallszeit auf Grund ungeplanter Reparaturen, die durch unterschiedliche Fehlermöglichkeiten verursacht werden d. Erstellung eines zustandsbasierten Plans zur Reparatur oder Ersetzung von Komponenten des Systems unter Nutzung der Zeitreihen aus Schritt a) um die Ausfallszeit hinsichtlich ungeplanter Reparaturen zu minimieren. 2013 11 05