Bessere Diagnose, mehr Verfügbarkeit

Schwingungswerte nach ISO-Norm

Die kontinuierlichen Schwingungswerte werden gemäß der Normenreihe ISO20816 berechnet, die breitbandige Frequenzbänder definiert und Richtwerte für eine Reihe von Maschinentypen vorschlägt. Die AIC2xx-Module bieten für jeden Messkanal zwei Beschleunigungs- und einen Geschwindigkeits-Effektivwert, gefiltert nach einem ausgewählten Band, mit Status-Flags, um Überschreitungen von bis zu drei Schwellenwerten zu identifizieren. Das ermöglicht die Auswertung in den vier ISO-Zonen, die basierend auf den ISO-Richtlinien festgelegt oder an die jeweilige Maschinenerfahrung angepasst werden können. Der Zonenwechsel kann als Auslöser für detailliertere diagnostische Untersuchungen verwendet werden. Zusätzlich zu den kontinuierlichen Werten speichert die Steuerung regelmäßig kurze Datenauszüge unter bestimmten Betriebsbedingungen der Maschine. Die Steuerung führt eine Frequenzanalyse dieser Ausschnitte durch und speichert lokale Werte für die Visualisierung. Die Daten können ebenfalls an einen zentralen Erfassungs- und Analysedienst übertragen werden (Cloud-Lösung, Weblog-Server), um von fachkundigen Diagnostikern, wie beispielsweise dem geschulten Personal von Bachmann Monitoring, weiter analysiert zu werden. Darüber hinaus ermöglicht der Plugin Event Recorder eine hochauflösende Aufzeichnung, die zusätzliche Daten für die Diagnoseunterstützung bereitstellt.

Diagnoseberichte zurückführen

Durch die Verwendung des Ticketsystems und der unterstützenden APIs können alle verarbeiteten Daten und Diagnoseberichte in das Wartungsmanagementsystem des Anwenders zurückgeführt werden. Im Zusammenspiel mit anderen Tools können Ereignisse mit den Betriebsbedingungen korreliert werden, um tiefere Einblicke in die Grundursache einer erkannten Änderung zu erhalten und sicherzustellen, dass die entsprechenden Korrekturmaßnahmen ergriffen werden. Mit der Speicherung all dieser Daten an einem Ort können weitere Analysewerkzeuge wie Multiparameterkorrelation, Wärmekarten, Anomalieerkennung, maschinelles Lernen oder andere Big-Data-Methoden angewendet werden. Mit dem gesamten Datenfluss lassen sich Wartungszyklen verbessern, zudem profitiert der Anwender von:

  • • frühzeitigem Erkennen von Schadensanzeigen
  • • mehr Zeit zum Planen
  • • gezielter Wartung
  • • der Reduzierung unnötiger Wartungsarbeiten
  • • mehr Einblick in die Maschine(n)
  • • der Vermeidung von weiteren Schäden unter Fehlerbedingungen
  • • geringeren Risiken und Kosten

Seiten: 1 2Auf einer Seite lesen

Thematik: Allgemein
Ausgabe:
www.bachmann.info

Das könnte Sie auch Interessieren