-
Die Erfindung betrifft ein Verfahren zum Erkennen von drohenden Ausfällen von Komponenten von Maschinen, insbesondere von Antriebseinheiten, nach dem Oberbegriff des Anspruches 1.
-
Es ist bekannt, kritische Maschinenteile während des Einsatzes der Maschine zu überwachen. So werden beispielsweise Belastungen einer Maschinenspindel durch Sensoren erfasst, deren Signale einer Auswerteeinheit zugeführt werden, die dann ein Warnsignal ausgibt, wenn eine zulässige Belastung der Maschinenspindel erreicht bzw. überschritten worden ist.
-
Es ist auch bekannt, Maschinenkomponenten nach einer vorgegebenen Einsatzzeit auszutauschen. Dieser Komponentenaustausch kann zu früh erfolgen, d.h. die Maschinenkomponente hätte durchaus noch längere Zeit ordnungsgemäß arbeiten können. Es kann aber auch vorkommen, dass die Maschinenkomponente zu diesem Zeitpunkt schon beschädigt ist. Dann besteht die Gefahr, dass sie weitere Maschinenteile beschädigt.
-
Es ist ferner bekannt, von einer Maschine im Neuzustand von einem Sensor die für die zu überwachende Maschinenkomponente charakteristischen Parameter über die Maschineneinsatzzeit zu erfassen und diese Parameter als Sensorsignale der Auswerteeinheit zuzuführen. Sie speichert diese Sensorsignale als Rohdaten. Aus den Sensorsignalen wird eine Kurve bzw. werden Parameter über die Zeit erstellt und somit die zu überwachende Maschinenkomponente im Neuzustand erfasst. Die zu überwachende Maschinenkomponente wird dann bei Einsatz der Maschine durch den Sensor erfasst, der zusammen mit der Auswerteeinheit eine aktuelle Zeit-Parameterkurve bildet, die mit der entsprechenden, den Neuzustand kennzeichnenden Kurve verglichen wird. Wenn der Unterschied zwischen den beiden Kurven einen kritischen Wert erreicht, wird ein entsprechendes Warnsignal erzeugt, das auf einen drohenden Ausfall der Maschinenkomponente hinweist. Um die Kurven zu ermitteln, ist eine Transformation im Frequenz- und im Ordnungsbereich vorgesehen. Dadurch gestaltet sich die Auswertung der Sensordaten schwierig.
-
Zudem hat sich gezeigt, dass auf diese Weise eine zuverlässige Vorhersage über einen möglichen drohenden Ausfall von Maschinenkomponenten nicht gewährleistet ist.
-
5 zeigt beispielhaft, wie bei einem Getriebemotor unterschiedliche Störungen auftreten, aber dennoch ein identisches Ordnungsspektrum erhalten wird. 5a zeigt das Ordnungsspektrum eines Getriebemotors, bei dem Signale 17, 18 auftreten. Das Signal 17 stammt von einem Störer mit einer konstanten Frequenz, während das Signal 18 mit konstanter Ordnung von einem zu überwachenden Teil des Getriebemotors herrührt. Beispielhaft wird angenommen, dass bei einer Drehzahl von 1500 ein Störsignal 4 auftritt, das durch eine Überlagerung der beiden Signale 17, 18 gebildet wird. 5b zeigt die Signale 17, 18, die im Vergleich zu 5a andere Amplituden haben. Auch in diesem Falle tritt bei einer Drehzahl von 1500 das Störsignal 4 auf, das jedoch eine andere Ursache hat als das Störsignal 4 gemäß 5a. Somit kann mit diesem Verfahren die Ursache des Auftretens des Störsignales 4 nicht zuverlässig bestimmt werden.
-
Der Erfindung liegt die Aufgabe zugrunde, das gattungsgemäße Verfahren so auszubilden, dass zuverlässig ein drohender Ausfall von Maschinenkomponenten bei einfacher Verfahrensführung erfasst werden kann.
-
Diese Aufgabe wird beim gattungsgemäßen Verfahren erfindungsgemäß mit den kennzeichnenden Merkmalen des Anspruches 1 gelöst.
-
Beim erfindungsgemäßen Verfahren werden die Sensordaten an ein neuronales Netz gesendet, das aus diesen Sensordaten das Sensorergebnis ermittelt und es dem Sensor zurückführt. Dieses zurückgeführte Signal wird der Auswerteeinheit zugeführt. Da die Sensordaten direkt dem neuronalen Netz zugeleitet werden, ist eine Transformierung von Daten in Frequenzen bzw. Ordnungen nicht erforderlich. Dadurch ist eine einfache Verfahrensführung sichergestellt. Die unmittelbare Übersendung der Sensordaten an das neuronale Netz sorgt dafür, dass eine einen Ausfall einer Maschinenkomponente verursachende Störung einwandfrei vom neuronalen Netz erfasst werden kann.
-
Der Sensor erzeugt aus verschiedenen Messreihen im allgemeinen Fall eine Tabelle, die der Sensor an das neuronale Netz weiterleitet, das die Tabelle weiterverarbeitet. Das neuronale Netz ermittelt aus der übersandten Tabelle das Sensorergebnis, das es an den Sensor zurückgibt. Er teilt das Sensorergebnis der Auswerteeinheit mit, die je nach Art des Ergebnisses eine Systemreaktion auslöst. Solange das Sensorergebnis einen drohenden Ausfall der Maschinenkomponente nicht anzeigt, erzeugt die Auswerteeinheit entweder kein Signal oder ein Signal, das dem Betreiber der Maschine mitteilt, dass die überwachte Maschine in Ordnung ist.
-
In vorteilhafter Weise werden dem neuronalen Netz viele Messreihen bezüglich der zu überwachenden Komponente der Maschine zur Verfügung gestellt. Hierbei erhält das neuronale Netz zunächst fehlerfreie Daten einer neuen Maschine, so dass der Gutzustand der Maschine vom neuronalen Netz erfasst werden kann. Außerdem erhält das neuronale Netz für die Lernphase Daten von früheren Maschinen, bei denen eine Maschinenkomponente einen Fehler aufwies. Das neuronale Netz kann in einem Lernprozess durch Vergleich der fehlerfreien sowie der fehlerbehafteten Daten lernen, wann sich eine zu überwachende Maschinenkomponente einem kritischen Wert nähert, der zu einem Ausfall führen kann.
-
Der Lerneffekt des neuronalen Netzes kann in vorteilhafter Weise dadurch verbessert werden, dass ihm Service-Informationen der Maschine zugeführt werden.
-
Eine weitere Verbesserung kann erreicht werden, wenn dem neuronalen Netz Daten bezüglich der Konstruktion der Maschine zugeführt werden. Auch Daten, die sich aus dem Wissen um die Konstruktion der Maschine ergeben, können dem neuronalen Netz zur Verfügung gestellt werden.
-
Anhand der dem neuronalen Netz zur Verfügung gestellten Daten ist eine sichere Entscheidung möglich, ob eine Maschine ausgetauscht werden sollte. Je nach Anwendungsfall können auch nur einige der zuvor genannten Daten für die Entscheidungsfindung, aber auch weitere Daten herangezogen werden.
-
Das neuronale Netz verwendet in vorteilhafter Weise einen oder vorteilhaft auch mehrere Auswerte-Algorithmen, wodurch das vom neuronalen Netz erzeugte Sensorergebnis stetig verbessert wird.
-
Vorteilhaft wird der Auswerte-Algorithmus des neuronalen Netzes während dessen Einsatzdauer weiterentwickelt, so dass mit zunehmender Einsatzdauer des neuronalen Netzes die Sensorergebnisse stetig verbessert werden.
-
Die Auswerteeinheit erzeugt in vorteilhafter Weise dann ein Warnsignal, wenn das vom neuronalen Netz erzeugte Ergebnis einen vergebenen kritischen Wert erreicht. Dann wird der Anwender der Maschine darauf hingewiesen, dass mit einem Ausfall der überwachten Maschinenkomponente zu rechnen und ein Austausch erforderlich ist, um nicht noch andere Maschinenkomponenten zu beschädigen.
-
Bei einer bevorzugten Ausbildung wird das Warnsignal über den Sensor der Steuerung der Maschine zugeführt. Die Maschinensteuerung verwertet das Warnsignal, beispielsweise indem es ein akustisches und/oder optisches Warnsignal ausgibt oder eine Nachricht auf einem Bildschirm, einem Handy und dgl. hinterlässt.
-
Besonders vorteilhaft ist, wenn an die Steuerung mehrere Sensoren angeschlossen sind. In diesem Falle ist jede dieser Maschinen mit wenigstens einem Sensor versehen, dessen Sensorsignale in der erfindungsgemäßen Weise verarbeitet werden. Die Sensoren der unterschiedlichen Maschinen können hierbei unterschiedliche Parametergrößen und/oder unterschiedliche Maschinenkomponenten überwachen.
-
Der Anmeldungsgegenstand ergibt sich nicht nur aus dem Gegenstand der einzelnen Patentansprüche, sondern auch durch alle in den Zeichnungen und der Beschreibung offenbarten Angaben und Merkmale. Sie werden, auch wenn sie nicht Gegenstand der Ansprüche sind, als erfindungswesentlich beansprucht, soweit sie einzeln oder in Kombination gegenüber dem Stand der Technik neu sind.
-
Weitere Merkmale der Erfindung ergeben sich aus den weiteren Ansprüchen, der Beschreibung und den Zeichnungen.
-
Die Erfindung wird anhand eines in der Zeichnung dargestellten Ausführungsbeispieles näher erläutert. Es zeigen
- 1 in schematischer Darstellung eine Einrichtung zur Durchführung des erfindungsgemäßen Verfahrens,
- 2 in schematischer Darstellung die Verarbeitung von Sensordaten,
- 3 in schematischer Darstellung den Lernprozess bei der Einrichtung gemäß 1,
- 4 in schematischer Darstellung die Verarbeitung der Sensordaten,
- 5a und 5b Ordnungsspektren mit fehlerhaften Maschinenkomponenten nach dem Stand der Technik.
-
Mit der nachfolgend beschriebenen Einrichtung ist es möglich, frühzeitig drohende Ausfälle von Maschinenkomponenten, insbesondere in Antriebseinheiten, zu erkennen. Solche Ausfälle können beispielsweise der Verschleiß oder Bruch von Zähnen eines Zahnrades innerhalb eines Getriebes sein.
-
Grundsätzlich ist die Einrichtung so ausgebildet, dass sie wenigstens einen Sensor aufweist, der im allgemeinen Fall eine Tabelle aus verschieden Messreihen erzeugt und zur Weiterverarbeitung an eine zentrale Stelle in Form eines neuronalen Netzes 12 leitet. Es ermittelt das Sensorergebnis und sendet es an den Sensor zurück, der das Ergebnis einer Auswerteeinheit mitteilt. Sie erzeugt aus dem ihr mitgeteilten Ergebnis eine Systemreaktion.
-
Dem neuronalen Netz 12 stehen viele Messreihen zur Verfügung. Dadurch ist es möglich, den Auswerte-Algorithmus oder auch mehrere Auswerte-Algorithmen zu adaptieren, d.h. weiterzuentwickeln.
-
Auf diese Weise werden im Laufe der Adaptierung durch die verbesserten Algorithmen drohende Ausfälle durch das neuronale Netz immer zuverlässiger erkannt.
-
Nachfolgend wird als Ausführungsbeispiel einer Maschine eine Antriebseinheit in Form eines Getriebemotors 1 beschrieben.
-
1 zeigt beispielhaft Getriebemotoren 1, die aus Elektromotoren 1a und Getrieben 2 bestehen. Die Getriebe 2 enthalten Getrieberäder mit Zähnen, die im Einsatz einem Verschleiß ausgesetzt sind. Mit der Einrichtung ist es möglich, den Anwender frühzeitig und zuverlässig darauf hinzuweisen, dass das Getriebe 2 der Getriebemotoren 1 bald ausfallen könnte. Sollte beispielsweise ein Zahn im Getriebe 2 gebrochen sein, wird dies sofort erkannt und in noch zu beschreibender Weise ein Warnsignal erzeugt.
-
Die Getriebemotoren 1 haben Sensoren 3, mit denen Parameter von Komponenten des Getriebemotors 1 überwacht werden können und die jeweils an eine Steuerung PLC1 über Leitungen 11 angeschlossen sind.
-
Wie aus 1 hervorgeht, können mehrere Sensoren 3 an eine gemeinsame Steuerung PLC2 bis PLC4 angeschlossen sein.
-
Die Sensoren 3 erfassen beispielsweise Vibrationen von kritischen Getriebemotorteilen. Darüberhinaus können die Sensoren auch andere kritische Parameter der Getriebemotoren 1 erfassen.
-
Es können weitere Sensoren 21, 22 vorgesehen sein, die beispielhaft an die Steuerung PLC1 angeschlossen sind. Mit ihnen werden etwa eine Füllhöhe oder eine Geschwindigkeit erfasst. Der Sensor 21 gibt der Steuerung PLC1 das Signal 23, das darüber informiert, ob ein Füllstand „leer“ oder „voll“ ist. Mit dem Sensor 22 kann der Steuerung PLC1 über ein Signal 24 mitgeteilt werden, ob der Getriebemotor 1 steht oder läuft.
-
Die von den Sensoren 3 übertragenen Sensorsignale werden von der jeweiligen Steuerung PLC ausgewertet, die je nach übermitteltem Ergebnis die Systemreaktion auslöst, wenn ein kritischer Zustand des jeweiligen Getriebemotors 1 erreicht ist.
-
Die Einrichtung ist mit einer elektronischen Auswerteeinheit 8 versehen, die sich beispielsweise in einer Cloud 5 befinden kann. Dadurch kann unabhängig vom Aufstellort der Getriebemotoren 1 jederzeit auf die Auswerteeinheit 8 zugegriffen werden.
-
Die Auswerteeinheit 8 muss nicht zwingend in der Cloud 5 liegen, sondern kann beispielsweise auf firmeninternen Servern gespeichert sein.
-
Der Auswerteeinheit 8 werden über wenigstens eine Leitung 9 Rohdaten der an den Getriebemotoren 1 befindlichen Sensoren 3 zugeführt und dort gespeichert. Die Rohdaten werden von der Auswerteeinheit 8 bei der noch zu beschreibenden Überwachung der Getriebemotoren 1 herangezogen.
-
Außerdem sind die Sensoren 3 über eine Zustandsleitung 10 (kabellos und/oder kabelgebunden) mit der Auswerteeinheit 8 leitungsverbunden.
-
In 2 ist schematisch dargestellt, wie unterschiedliche physikalische Größen der Getriebemotoren 1 durch die entsprechenden Sensoren 3 erfasst werden können. Beispielhaft sind die Beschleunigung a, der Weg x, die Temperatur δ, das Drehmoment M und das Magnetfeld B angegeben. Diese physikalischen Größen werden in Abhängigkeit von der Zeit t erfasst und der Auswerteeinheit 8 zugeführt. Sie verarbeitet die Daten und führt sie über die Zustandsleitung 10 dem jeweiligen Sensor 3 zu.
-
Der Sensor 3 erzeugt Messreihen, aus denen eine Tabelle gebildet wird, die zur Weiterverarbeitung an das neuronale Netz 12 geleitet wird (4). Es ermittelt das Sensorergebnis und sendet es an den Sensor 3 zurück. Er teilt das Ergebnis der Steuerung PLC mit, die je nach Sensorergebnis eine entsprechende Systemreaktion erzeugen kann.
-
Dem neuronalen Netz 12 stehen viele Messreihen zur Verfügung, so dass es möglich ist, den Auswerte-Algorithmus oder auch mehrere Auswerte-Algorithmen zu adaptieren, d.h. weiterzuentwickeln. Auf diese Weise werden im Laufe der Adaptierung durch die verbesserten Auswerte-Algorithmen die Sensorergebnisse verbessert.
-
Die Getriebemotoren 1 werden zunächst im Neuzustand in Betrieb genommen und die von den Sensoren 3 jeweils erfassten Parameter laufend erfasst und gespeichert. Je nach Art der zu erfassenden physikalischen Größe können die Getriebemotoren 1 entsprechend lange in Betrieb genommen werden. Die Betriebszeit kann Tage, aber auch Monate betragen. Diese Daten, die einen einwandfreien, keinen Fehler aufweisenden Getriebemotor kennzeichnen, werden dem neuronalen Netz 12 zur Verfügung gestellt.
-
Weiter werden dem neuronalen Netz 12 Daten aus bereits im Einsatz befindlichen Getriebemotoren 1 übermittelt, die wenigstens eine fehlerhafte Komponente aufwiesen. Bei der Sensorüberwachung verursachten die fehlerhaften Komponenten entsprechende Daten, die dem neuronalen Netz 12 zur Verfügung gestellt werden.
-
Darüberhinaus erhält das neuronale Netz 12 hierzu korrelierende Service-Informationen und vorteilhaft auch Daten, die sich aus der Konstruktion des jeweiligen Getriebemotors 1 ergeben. Auch können dem neuronalen Netz 12 weitere Informationen überspielt werden, die auf dem Wissen der die Getriebemotoren entwickelnden und/oder bauenden und/oder betreibenden Konstrukteure beruhen.
-
Das neuronale Netz 12 kann somit unter Berücksichtigung all dieser Daten eine Entscheidung darüber treffen, ob ein Austausch des Getriebemotors 1 zu empfehlen ist.
-
Zur Erkennung, ob von den Sensoren erfasste Werte einen Fehler im Getriebemotor darstellen oder nicht, wird dem neuronalen Netz 12 eine Reihe unterschiedlicher Fälle mit und ohne Fehler von früheren Getriebemotoren zum Training übermittelt. Je mehr Messreihen dem neuronalen Netz 12 zur Verfügung gestellt werden, desto besser werden seine Berechnungen und Vorhersagen.
-
Wie 3 zeigt, nimmt die Lebensdauer der zu überwachenden Komponente des Getriebemotors mit der Laufzeit ab. Am Punkt 13 fällt die überwachte Komponente des Getriebemotors 1 aus. Daher wird mit der Auswerteeinheit 8 der Betreiber des Getriebemotors 1 rechtzeitig vor diesem Zeitpunkt 13 benachrichtigt. Dies erfolgt zum Zeitpunkt 14.
-
Der Warnhinweis zum Zeitpunkt 14 kann auf unterschiedliche Weise erfolgen. -So kann beispielhaft am Getriebemotor 1 ein akustisches und/oder optisches Signal erzeugt werden, das den Anwender darauf hinweist, dass der Getriebemotor 1 demnächst ausfallen könnte. Weiter ist es möglich, das entsprechende Warnsignal auf einem Monitor anzuzeigen. Auch ist es möglich, eine Warnmeldung auf einem Handy auszugeben. Dies kann gleichzeitig auch mit den anderen Warnhinweisen erfolgen, so dass der Benutzer den Warnhinweis auch dann erhält, wenn er sich nicht in der Nähe des überwachten Getriebemotors 1 befindet. Der Handybesitzer hat dann die Möglichkeit, entweder über das Internet den betroffenen Getriebemotor 1 abzuschalten oder Techniker zu beauftragen, die sich um den Getriebemotor 1 kümmern. Weiter besteht die Möglichkeit, das Warnsignal an einen Servicemann oder eine Serviceabteilung zu schicken, die sich um den betroffenen Getriebemotor kümmern kann.
-
4 zeigt schematisch, wie die über die Datenleitung 9 zugeführten Sensordaten mittels des neuronalen Netzwerkes 12 ausgewertet und als Rückmeldesignal über die Datenleitung 10 zum jeweiligen Sensor 3 des überwachten Getriebemotors 1 geleitet werden. Die Sensoren 3 übergeben in der beschriebenen Weise die Rückmeldesignale der zugehörigen Steuerung PLC über die Leitungen 11 (1).
-
In gleicher Weise wird das Warnsignal übersandt, welches vom Sensor 3 über die Leitung 11 der entsprechenden Steuerung PLC zugeführt wird, die in der beschriebenen Weise das Warnsignal ausgibt.
-
Da an die Steuerung PLC mehrere Sensoren 3 mehrerer Getriebemotoren 1 angeschlossen sein können, wie 1 beispielhaft zeigt, enthalten die über die Leitungen 9 der Auswerteeinheit 8 zugeführten Rohdaten jeweils eine Kennung des zugehörigen Sensors 3. Dadurch ist gewährleistet, dass die von der Auswerteeinheit 8 übersandten Rückmeldesignale den entsprechenden Sensoren 3 zugeleitet werden. Sie führen diese Rückmeldesignale über die Leitungen 11 der Steuerung PLC zu, die ein Warnsignal ausgibt, falls der überwachteTeil des Getriebemotors 1 einen kritischen Zustand erreicht hat.
-
3 zeigt den beispielhaften Fall, dass das Warnsignal zu einem Zeitpunkt 15 zu früh und zu einem Zeitpunkt 16 zu spät erzeugt würde. Erfolgt das Warnsignal zum Zeitpunkt 15, dann ist ein Ausfall der überwachten Komponente des Getriebemotors 1 noch nicht zu erwarten.
-
Erfolgt das Warnsignal zum Zeitpunkt 16, dann käme dieses Warnsignal zu spät, weil der Ausfall der überwachten Komponente des Getriebemotors 1 bereits zum Zeitpunkt 13 aufgetreten ist.
-
Mit dem neuronalen Netz 12 ist es möglich, den richtigen Zeitpunkt 14 zur Erzeugung des Warnsignales zu bestimmen.
-
Von besonderem Vorteil ist, dass die Sensordaten unmittelbar dem neuronalen Netz 12 zugeführt werden und eine Transformation in ein Frequenz- und/oder Ordnungsspektrum nicht erforderlich ist. Die unmittelbare Übergabe der Sensordaten an das neuronale Netz ermöglicht es, jedes Fehlverhalten der überwachten Komponenten des Getriebemotors 1 zuverlässig zu erfassen.
-
Die Getriebemotoren 1 werden an unterschiedlichen Maschinen betrieben. Bei jeder Maschine finden unterschiedliche Bearbeitungsprozesse statt, die jeweils spezifische Erschütterungen (Störer A, Störer B) zur Folge haben (1). Diese Erschütterungen werden von den Sensoren 3 in gleicher Weise erfasst wie diejenigen, die von den Getriebemotoren 1 stammen. Die Sensoren 3 übertragen daher ein Mischsignal aus den beiden genannten Ursachen. Das neuronale Netz 12 ist in der Lage, die beiden Ursachen voneinander zu unterscheiden.
