SKF hat bei der Schongauer UPM-Papierfabrik ein 15 Jahre altes Überwachungssystem jetzt auf den neuesten Stand gebracht. Der Einsatz von Künstlicher Intelligenz ermöglicht nun noch bessere Zustandsprognosen und ein vorausschauendes Handeln.
Um Lagerausfälle frühzeitig zu erkennen und Wartungen planbar zu machen, setzte UPM an dem Standort seit 15 Jahren auf SKF-Analyst, eine bewährte Hard- und Software-Lösung zur Zustandsüberwachung. Jetzt war es an der Zeit, die Systemarchitektur auf einen aktuellen Stand zu bringen und eine proaktive Zustandsüberwachung einzuführen. Dies erforderte eine Softwaremigration zum zeitgemäßen SKF-Observer mit neuer Hardware für das Monitoring. Unterschiedliche OT-Systeme zur Produktionssteuerung entlang der Fertigungsstrecke konnten so in die Überwachung integriert werden. Das plattformunabhängige Kommunikationsprotokoll OPC UA machte es möglich: So konnten beispielsweise Softwaresysteme von Siemens, Honeywell, ABB und Aveva zusammengeführt werden, um ihre Daten über einen Aveva-Edge-Server der SKF Observer Cloud zur Verfügung zu stellen.
Wälzlager in der Papierherstellung
Papiermaschinen wie die PM7 bei UPM in Schongau sind Meisterwerke der Rotationstechnik. Auf einer Produktionsstrecke von mehr als hundert Metern wird eine zunächst nasse Fasersuspension zu trockenem, bedruckbarem Papier verarbeitet, zum Beispiel für die Zeitungsherstellung. Eine Vielzahl von Walzen transportieren das entstehende Produkt, und steuern die Verarbeitung in der Nass- und Trockenpartie. Mechanische Beanspruchung, Hitze und Feuchtigkeit stellen eine anspruchsvolle Umgebung für die zahlreichen Wälzlager in der Maschine dar.
KI führt Wälzlager-Monitoring und Prozessdaten zusammen
Wälzlager-Monitoring ist bekanntlich aber nicht nur gut, um Lagerschäden frühzeitig zu erkennen und Tauschintervalle zu planen. Meist sitzen Wälzlager auch an zentralen Stellen komplexer Maschinen. Bei geeigneter Analyse erlauben die Messergebnisse des Wälzlager-Monitorings daher auch Rückschlüsse auf die gesamte „Anlagengesundheit“. Im Zug der Neuinstallation wurde deshalb der Analysehorizont vom Lager auf die Maschine ausgeweitet. Außerdem verknüpft Künstliche Intelligenz nun die Zustandsdaten des Überwachungssystems mit Prozessdaten der Anlage. Dies erlaubt zusätzliche Aussagen über Problemursachen und vorbeugende Maßnahmen können eingeleitet werden, um Schäden zu vermeiden und den Verschleiß zu verzögern.
Alarmierung über bekannte Kollaborationsplattform
Diese Daten zielgerichtet auszuwerten, aus ihnen die richtigen Schlüsse zu ziehen und entsprechend zu handeln ist das eine. Das Personal muss auch rechtzeitig über drohende Störfälle informiert werden. Auch für solche Routinen, hat sich SKF etwas einfallen lassen. Tobias Röpke ist Condition Monitoring Experte bei SKF; er spricht hier gerne von „der Kunst der intelligenten Alarmierung“. Für den komplexen Anwendungsfall bei UPM hat er eine Schnittstelle zwischen Observer-Cloud und einem speziell eingerichteten Microsoft-Teams-Kanal realisiert. Warnmeldungen erreichen die Verantwortlichen so direkt an ihrem Arbeitsplatz und sie können schnell reagieren.
Quelle: SKF
