Ausfallkritische Leitungen überwachen Predictive Maintenance für Kabel

Bild 1. Bei Kabeln in Schleppketten ist Predictive Maintenance unbedingt notwendig.
Bild 1. Bei Kabeln in Schleppketten ist Predictive Maintenance unbedingt notwendig.

Produktionsanlagen sind in Prozessgeschwindigkeit, Durchlaufzeiten und Qualität bereits optimiert. Eine weitere Optimierung dieser Parameter bringt nur eine geringe Produktivitätssteigerung. Welche Optionen bleiben, um sich in Konkurrenz einen Vorteil zu verschaffen?

Durch den Einsatz von modernen Technologien aus dem Industrie- 4.0-Werkzeugkasten, wie Machine Learning und Internet of Things, lässt sich die Fertigungsinstandhaltung neu organisieren und dadurch Kosten sparen sowie die Verfügbarkeit der Anlagen erhöhen. In der Industrie dominieren heute zwei Wartungsmethoden: die reaktive und die vorbeugende Wartung. Beide Methoden haben aber auch Nachteile, insbesondere in Bezug auf mögliche Ausfallzeiten und Kosten. Bei der reaktiven Wartung werden Bauteile solange betrieben, bis sie ausfallen und werden dann ausgetauscht. Diese Methode hat das größte Risiko eines ungeplanten Stillstands. So können sehr lange Ausfallzeiten entstehen. Eventuell ist der zuständige Spezialist nicht verfügbar. Die Fehlersuche gestaltet sich aufwändig oder das Ersatzteil ist nicht vorrätig. Hohe Kosten sind die Folge dieser Art der Wartung, weil in einem verketteten Prozess ein Ausfall eines Prozessschritts zum Stillstand der gesamten Produktion führt.

Bei der vorbeugenden Wartung werden Verschleißbauteile in festen Zyklen getauscht, um einem ungeplanten Ausfall vorzubeugen. Diese Methode kann, bei bekannter Lebensdauer der Bauteile, mit hoher Sicherheit ungeplante Stillstände vermeiden. Jedoch sind insbesondere hohe Wartungskosten die Folge, weil Teile getauscht werden, die vielleicht noch lange Zeit funktioniert hätten. Ebenso ist die Methode sehr zeitaufwändig und es können längere, wenn auch planbare Wartungs-Stillstände entstehen. Die größte Schwierigkeit ist die Definition des richtigen Wartungsintervalls. Ist es zu lang, kommt es zu Ausfällen. Ist es zu kurz, sind die Wartungskosten hoch. Es ist viel Erfahrung notwendig, um die Lebensdauer der Verschleißteile richtig einzuschätzen.

Den richtigen Austauschzeitpunkt berechnen

Effizienter ist es, wenn die Anwender das Thema Wartung proaktiv angehen können. Das heißt, wenn sie den optimalen Austauschzeitpunkt rechtzeitig erkennen und den Zeitpunkt des Austausches in der Produktion intelligent planen können. Ausfallzeiten und Kosten können dadurch reduziert werden. Hier heißt das Zauberwort Predictive Maintenance; es bedeutet Vorausschauende Wartung. Sie soll bei der Bestimmung des Zustands von in Betrieb befindlichen Geräten helfen. Damit wird es möglich, sehr präzise abzuschätzen, wann eine Wartung durchgeführt werden sollte.

Ausfallkritische Bauteile werden dabei ständig überwacht und anhand von charakteristischen Verschleißmerkmalen eine Zustandsverschlechterung ermittelt. Ein bereits gängiger Anwendungsfall ist die Verschleißüberwachung an Motoren in Maschinen. Wenn die Lager des Motors verschleißen, nehmen die Vibrationen zu. Ein Vibrationssensor kann diese messen und an ein Auswertesystem liefern, wo anhand mathematischer Algorithmen der Austauschzeitpunkt berechnet wird. In Maschinen und Anlagen gibt es aber außer Motoren viele weitere Teile, die einem mechanischen Verschleiß unterliegen. Bewegte elektrische Leitungen zählen besonders dazu.

Predictive Maintenance für Kabel

Generell unterliegen alle bewegten Teile in Maschinen und Anlagen einem gewissen Verschleiß. Müssen bewegte Maschinenteile mit Strom oder Daten versorgt werden, kommen Kabel in Schleppketten zum Einsatz (Bild 1). Durch die ständige Bewegung gehören auch diese Leitungen zu den Verschleißteilen. Im Rahmen der Wartung müssen diese regelmäßig getauscht werden, um einen ungeplanten Produktionsausfall zu vermeiden. Tauschzyklen sind vor allem abhängig von der Bewegungshäufigkeit, Temperatur, Biegeradius, der Verfahrgeschwindigkeit und der Beschleunigung. Geeignete Leitungskonstruktionen und der Einsatz hochwertiger Materialien haben Einfluss auf die Anzahl der möglichen Biegezyklen.

Insbesondere Datenleitungen wie Ethernetleitungen (Bild 2) gelten aufgrund ihres komplexen Aufbaus und der notwendigen Hochfrequenzeigenschaften als besonders ausfallgefährdet.

Die Ausfallgründe sind vielfältig: Eine gebrochene Abschirmung führt zu erhöhten Störungen durch EMV. Brechende Adern führen zuerst zu erhöhter Dämpfung und reduzierter Datenrate und später bei komplettem Adernbruch zu Totalausfall der Kommunikation. Eine Vorhersage über die Haltbarkeit von Leitungen in der realen Anwendung kann aufgrund der Vielfältigkeit der Applikationen nur sehr ungenau sein. Wird für eine Datenleitung beispielsweise eine Lebensdauer von 5 Millionen Biegezyklen angegeben, erfolgt dies unter Angabe bestimmter typischer Werte für die Parameter Biegeradius, Beschleunigung und Verfahrweg.

Wird die Leitung jedoch in der Applikation anders betrieben, zum Beispiel mit deutlich niedrigerer Temperatur oder längerem Verfahrweg, ist eine geringere Biegezyklenzahl zu erwarten. Sind andererseits die Bedingungen in der Anwendung weniger fordernd – etwa durch kürzere Verfahrwege und geringere Beschleunigungen – so können auch mehr als 5 Millionen Zyklen erreicht werden. Es können durch Abweichungen bei mehreren Parametern auch Wechselwirkungen entstehen, deren Effekt nicht vorhersagbar ist. Die Problematik zeigt, dass es sinnvoll ist, verschleißbehaftete Kabel in ein Predictive-Maintenance-System einzubeziehen.

Messung ohne Veränderung der Leitung

Die Firma Lapp hat ein Verfahren entwickelt, mit dem es möglich ist, Predictive Maintenance für verschleißbehaftete Ethernetleitungen umzusetzen (Bild 3). Im Fokus sind vor allem Leitungen in Schleppketten oder Robotern. Mit dem Verfahren lassen sich aber auch generell kritische Leitungen überwachen, wo ein Ausfall vermieden werden soll. Das erste Entwicklungsziel war, ein Messprinzip zu entwickeln, welches ohne Veränderung der Leitung funktioniert. So sollten zum Beispiel keine zusätzlichen Messadern in das Kabel eingebracht werden. Es können Standard-Ethernetleitungen sowie Standard-Steckverbinder wie RJ45- oder M12- Stecker verwendet werden.

Der Installateur schließt die Leitungen wie gewohnt an und muss keine zusätzlichen Messadern anschließen. Außerdem muss keine aufwändige Korrelation des Verschleißes der Messadern zu den Nutzadern hergestellt werden. Hier bleibt sonst die Gefahr, dass die Nutzadern für die eigentliche Datenübertragung früher als die Messadern ausfallen und ein ungeplanter Stillstand entsteht. Deshalb war von Anfang an klar, dass das System die realen Übertragungseigenschaften der Nutzadern messen soll. Auch ein Retrofit bestehender Anlagen ist denkbar.

Die Bitfehlerrate messen ist zu ungenau

Eine weitere Herausforderung liegt darin, dass im Betrieb gemessen werden muss – also während Datenpakete auf der Leitung versendet werden, um den Anlagenbetrieb nicht zu unterbrechen. Heutige Verfahren in Managed-Ethernet-Switches von Lapp können bereits die Bitfehlerrate zur groben Überwachung des Übertragungskanals messen. Dabei wird der Anteil fehlerhafter Bits je Zeiteinheit ermittelt. Diese lässt jedoch nur eine sehr ungenaue Vorhersage des Leitungszustands zu, denn wenn Bitfehler bereits auftreten, ist die Leitungsschädigung oft schon sehr weit fortgeschritten und die notwendige Vorlaufzeit zur Wartungsplanung sehr kurz oder ungenau.

Das System von Lapp misst bis zu vier übertragungsrelevante Parameter. Plausibilitätsprüfungen sind durch die Messung mehrerer Größen auch möglich. Fehlinterpretationen von Messwerten lassen sich damit minimieren. Das Messverfahren ist in der so genannten PMBX (Predictive Monitoring Box) integriert. (Bild 4). Sie besitzt zwei Ethernet-Ports und wird einfach am Anfang der zu überwachenden Ethernet-Leitung eingeschleust. Die Datenpakete werden transparent vom einen Port zum anderen im sogenannten cut through-Modus, also nahezu ohne Verzögerung, übertragen. Für eine angeschlossene SPS ist die PMBX nicht sichtbar und hat keinen Einfluss auf die Datenübertragung. Die Box kann somit auch in bestehende Anlagen ohne Änderungen zum Beispiel an der SPS-Software integriert werden.

Im nächsten Schritt müssen die Messdaten analysiert werden. Das Predictive -Maintenance-System verwendet einen Deep-Learning-Ansatz. Für die Schleppkettenleitungen von Lapp werden im hauseigenen Testzentrum Millionen von Datensätzen gesammelt und anschließend durch mathematische Algorithmen analysiert. Die Daten analysiert das Unternehmen während des Entwicklungsprozesses lokal auf einem PC, kann aber auch in der Cloud realisiert werden. Je mehr Daten vorhanden sind, desto genauer wird die Vorhersage. Das System ist selbstlernend.

Bereits nach Datensammlung von einigen Wochen konnte eine Vorhersagegenauigkeit des Kabelausfalls von einigen Stunden bis zu mehreren Tagen erreicht werden. Wenn der Ausfall des Kabels vorhersagbar ist, lässt sich der Tag der Wartung planen: Der Instandhalter ist verfügbar, Ersatzkabel sind da und in der Produktion wird nicht gearbeitet. Das System wird von Lapp für verschiedene Anwendungsfälle weiterentwickelt. Gemeinsam mit Pilotanwendern erfolgt die Praxiserprobung und durch Sammlung weiterer Daten die Optimierung des Vorhersagezeitraums. Die Marktreife ist in naher Zukunft geplant.    sd