Gehen Sie durch ein etabliertes Werk und Sie finden Maschinen, die aelter sind als die Ingenieure, die sie bedienen - zuverlaessig, abbezahlt und voellig unvernetzt. Die Annahme lautet, Predictive Maintenance sei nur etwas fuer neue, sensorreiche Anlagen. Das stimmt nicht. Die meisten Altmaschinen liefern bereits genug Daten, um vorausschauend zu werden; die Arbeit ist Nachruesten, nicht Ersetzen.
Dieser Beitrag beantwortet eine klar abgegrenzte Frage: Wie fuegt man alter Produktionsanlage Predictive Analytics hinzu, ohne einen teuren Komplettaustausch?
Warum Altmaschinen bessere Kandidaten sind, als sie aussehen
Alt heisst nicht dumm. Eine Maschine mit Frequenzumrichter, SPS oder auch nur einer Motor Control Center erzeugt bereits Signale, die ihren Zustand abbilden. Und weil Altanlagen seit Jahren laufen, bringen sie etwas mit, das neue Anlagen nicht haben: eine lange Historie, wie sie sich verhalten - und wie sie ausfallen.
Wo die Daten bereits sind
Bevor Sie einen einzigen Sensor kaufen, kartieren Sie, was Sie schon haben.
- Motorstrom am Antrieb oder MCC steigt und aendert seine Form, wenn mechanische Last und Verschleiss zunehmen.
- Vorhandene SPS-/SCADA-Tags - Zykluszeiten, Zustaende, Alarme - werden oft bereits geloggt.
- Historian-Trends geben Ihnen Monate normalen Verhaltens zum Lernen.
- Wartungs- und Bedienerprotokolle sind ein Verzeichnis vergangener Ausfaelle, das Sie labeln koennen.
Guenstige Wege, Luecken zu schliessen
Wo ein Signal wirklich fehlt, brauchen Sie selten ein volles Automatisierungsprojekt. Aufsteck-Stromsensoren, kabellose Vibrations- oder Temperatur-Pucks und ein kleines Edge-Gateway ergaenzen den fehlenden Kanal an einem Nachmittag - ohne Stillstand und ohne SPS-Aenderungen.
Die eigentliche Arbeit ist das Labeln der Historie
Hardware nachzuruesten ist die einfachen 20%. Der Wert kommt vom Labeln: die Historian- und Wartungsdaten durchgehen und vergangene Ausfaelle markieren, damit ein Modell ihre Signatur lernt. Diese gelabelte Historie macht aus rohen Retrofit-Daten eine funktionierende Vorhersage. (Siehe unseren Beitrag zum Data Labeling.)
Use Case in der Praxis: ein 20 Jahre alter Homogenisator in einer Molkerei
Eine Molkerei betreibt einen Homogenisator aus den fruehen 2000ern. Keine smarten Sensoren, aber ein FU treibt den Hauptmotor und eine SPS loggt Zyklen.
- Vorhandene Daten: Motorstrom vom FU plus SPS-Lauf/Stopp-Zustaende, ueber ein kleines Edge-Gateway abgegriffen.
- Guenstiges Add-on: ein Aufsteck-Vibrationssensor am Pumpenkopf.
- Labeling: drei Jahre Wartungsprotokolle markieren zwei Dichtungsschaeden und einen Lagerschaden - jeweils auf der Strom- und Vibrationshistorie getaggt.
- Ergebnis: das Modell lernt die Signatur aus steigendem Strom und Vibration, die jedem Ausfall vorausging, und warnt nun Tage im Voraus - an einer Maschine, die alle fuer "zu alt dafuer" hielten.
Praktische Regel
Lassen Sie nicht das Alter einer Maschine entscheiden, ob sie vorausschauend sein kann. Fragen Sie stattdessen: Was misst sie bereits, welche Historie kann ich labeln, und welcher eine guenstige Sensor schliesst die Luecke? Beginnen Sie mit der Anlage, deren Stillstand am meisten schmerzt.
Retrofit beginnt mit den Daten, die Sie schon haben. Ziehen Sie die Signale einer Altmaschine, labeln Sie ihre vergangenen Ausfaelle und bauen Sie eine Vorhersage in Predsense Labeling: https://www.predsense.ai/products/labeling