Zustandsüberwachung und automatisierte Inspektion

Was umfasst die Zustandsüberwachung von Maschinen?

Zustandsüberwachung von Maschinen und automatisierte Inspektion werden in die Maschine oder das Produkt hineinentwickelt.

Dazu gehören mehrkanalige Erfassung, Signalverarbeitung an der Maschine und ein Transportentwurf, der die wesentlichen Daten filtert und zur Analyse weiterschickt. Einige Beispiele: Unser Team hat Erfassungs- und Transportentwürfe gebaut, die Piezo-Schwingung, Strom und Temperatur an Antriebs- und Lüfterseite in der Steuerung im Bereich unter einer Sekunde korrelieren, und Inspektionssysteme mit Zeilenkameras, die ein gespritztes Konsumprodukt mit Produktionsgeschwindigkeit klassifizieren. Zustandsüberwachung und Inline-Inspektion sind zwei Disziplinen. Sie stehen auf einer Seite, weil unsere Entwicklungsarbeit darunter dieselbe ist: Wahl der Sensorik, Abtastrate, Korrelation und das, was die Maschine verlässt. Die Überwachung beobachtet den Zustand der Maschine selbst über die Zeit. Die Inspektion beurteilt jedes Teil, das die Maschine herstellt. Meist holt man uns für einen dieser Punkte dazu:

• Eine Bewertung der Ausgangslage. Eine Bewertung für vorausschauende Instandhaltung oder ein Audit des Maschinenzustands, das festhält, was die Maschinen schon hergeben, auch wenn die Antwort „noch nicht viel“ lautet.
• Die Erfassungsebene. Mehrkanalige Datenerfassung mit Sensorposition, Abtastrate und Kanalkorrelation, ausgelegt auf den Fehler.
• Verarbeitung an der Maschine. Schwingungsanalyse für vorausschauende Instandhaltung und Motorstromanalyse laufen an der Maschine, sodass ein entstehender Fehler in einem lokal gehaltenen Trend sichtbar wird und nicht erst nach dem nächsten Massen-Upload.
• Datenreduktion und Transport. Was mit voller Rate erhalten bleibt, was verdichtet wird, was weitergeht und über welchen Transport.
• Ein Inline-Inspektionssystem. Integration automatischer optischer Inspektion, von der Bildaufnahme mit dem Kamerastack der Linie bis zur Klassifikation mit Liniengeschwindigkeit.
• Ein Online-Condition-Monitoring-System von Anfang bis Ende, in die Maschine eingebaut, einschließlich der Sensoreinheiten, Gateways und Analyse-Backends anderer Anbieter, mit denen es arbeiten muss. Ein fertiges Überwachungsprodukt verkaufen wir nicht.

Dahinter stehen vier Entscheidungen, und sie fallen in dieser Reihenfolge:

1. Welchen Fehler Sie erkennen wollen.
2. Wo Sie messen müssen, um ihn zu sehen.
3. Wie schnell Sie abtasten müssen, bevor er unsichtbar wird.
4. Welche Analyse auf dem Ergebnis läuft.

Die meisten Projekte beginnen bei der letzten, doch sie braucht die Erkenntnisse aus den drei Schritten davor. Ein Modell kann keine Information zurückholen, die nie abgetastet wurde. Die Abtastrate folgt aus dem P-F-Intervall des Fehlers: der Zeit zwischen dem Punkt, an dem der Fehler erkennbar wird, und dem Punkt, an dem die Maschine ausfällt. Eine Rate, die zum Datenbudget eines Historians passt, kann dieses Intervall ganz verfehlen, und der Datensatz enthält dann keine Spur des Fehlers. Den größten Teil unseres Beitrags leisten wir vor der Analyse, im Entwurf von Erfassung und Transport.

Anlagen rüsten wir nicht mit Messtechnik aus, und Maschinen nehmen wir nicht in Betrieb. Die Überwachungsebene in Ihrer Maschine oder Ihrem Produkt entwerfen und bauen wir, und wir integrieren und testen sie mit Ihren Ingenieuren, vor Ort während dieser Phase und danach remote.

Lässt sich der Entwurf von Abtastung und Datenreduktion nach der Inbetriebnahme ändern?

Die Abtastung lässt sich überarbeiten, die Datenreduktion aber nicht rückgängig machen.

Hat eine Maschine ein Signal auf einen Minutenmittelwert verdichtet und den Rest verworfen, ist der kurze Ausschlag, der die Frühwarnung war, verloren. Die Entscheidung zur Datenreduktion ist eine feste Entwurfszusage, und sie fällt je Signal, nicht je System. Manche Kanäle rechtfertigen volle Rate und einen schnellen Transport, die meisten nicht. In der Praxis liegen die Stufen je nach Zweck des Signals bei etwa 100 ms, 40 ms, 10 ms und 1 ms, und die Wahl des Transports folgt aus der Stufe:

Diese Wege legt die Bewertung der Ausgangslage fest, bevor irgendetwas festgeschrieben wird, denn sie bestimmen, was man vom Backend danach verlangen kann. Hier trifft diese Arbeit auf die OPC-UA-Modellierung darüber und auf Echtzeit-Ethernet darunter.

Wer wählt den Historian oder das Analyse-Backend?

Sie, oder Ihre Datenplattform.

Wir entwerfen die Erfassungs- und Transportebene so, dass sie einen Historian, ein MES oder ein benanntes Analyse-Backend versorgt, und betrachten dieses Ziel als gesetzt. Auswahl und Betrieb sind eine Plattformentscheidung mit eigener Beschaffung. Stellt eine Steuerung bereit, was gebraucht wird, funktioniert die Erfassungsebene über SPSen verschiedener Hersteller hinweg, weil sie über Standardwege läuft und nicht über herstellerspezifische Werkzeuge.

Worin unterscheidet sich Inline-Inspektion von Zustandsüberwachung?

Gemessen wird ein Bild, und beurteilt wird jedes Teil statt eines Trends.

• Zuerst Bildverarbeitung. Die meiste Inline-Inspektion ist Bildverarbeitung. Der Kamerahersteller liefert ein SDK und einen Bildverarbeitungsstack, meist auf OpenCV-Basis, und Schwellwerte, Morphologie und Maßprüfungen auf diesem Stack lösen die Mehrzahl der Fehlerklassen ganz ohne Modell. Das versuchen wir zuerst, weil es schneller gebaut, günstiger betrieben und für ein Qualitätsteam leichter zu erklären ist.
• Danach ein trainierter Klassifikator. Er kommt dort zum Einsatz, wo Bildverarbeitung die Klassen nicht trennen kann: bei variablen, natürlichen oder texturbedingten Fehlern, deren Regel sich nicht als Schwellwert ausdrücken lässt. Ist dieser Schritt nötig, trainieren wir das Modell mit Ihren annotierten Beispielen und wägen die Architektur gegen die Zahl der Beispiele ab, die sie braucht. Ein schwereres Modell, das etwas besser klassifiziert, aber ein Vielfaches an annotierten Beispielen braucht, ist die falsche Wahl für einen Einsatz, der diese Beispiele an einer laufenden Linie erzeugen muss. Ein Beispiel: Unser Team hat ein Inspektionssystem mit Zeilenkamera für ein gespritztes Konsumprodukt gebaut, das korrekt geformte Teile von teilweise geformten, leeren und unvollständigen trennt.

Was passiert mit einem Inspektionsmodell, wenn sich das Produkt ändert?

Es wird neu trainiert, und dafür entwerfen wir es von Anfang an.

Eine Produktänderung, eine geänderte Beleuchtung oder eine neue Liniengeschwindigkeit können die Genauigkeit eines Klassifikators verschieben, und an einer laufenden Linie tritt mindestens eines davon ein. Derselbe Benchmark-Prozess läuft dann erneut mit frisch annotierten Beispielen, die Modellgröße bestimmt also die Zahl der Trainingsdurchläufe und die Kosten jeder Änderungsrunde. Meist erzeugt Ihr Team diese Beispiele an der laufenden Linie, und sobald die Architektur feststeht, kann dasselbe Team das Nachtrainieren übernehmen.