Vorausschauende Wartung mit Analyse der elektrischen Signatur

Als Ergebnis der Ausrichtung auf zuverlässigere und nachhaltigere Fabriken durch Reduzierung des Personalbedarfs, des steigenden Bedarfs der Industrie und der durch diesen Bedarf verursachten Kosten; Themen wie Maschinengesundheit und vorausschauende Wartung gehören weiterhin zu den steigenden Trends auf der Agenda. Die Wartungskosten und Gewinneinbußen, die ein ungeplanter Ausfall der Produktionslinie für den Hersteller mit sich bringt, können durch die Überwachung des Zustands der Maschinen an dieser Linie verhindert werden. In diesem Zusammenhang lohnen sich Investitionen in die vorausschauende Wartung durch die frühzeitige Erkennung möglicher Störungen.

Es gibt einige Analysetechniken zur Überwachung des Maschinenzustands. Die beliebtesten davon sind Vibrationsanalyse, Ölanalyse, Ultraschallanalyse und elektrische Signaturanalyse. Die Vielfalt dieser Techniken ermöglicht eine höhere Genauigkeit bei der Diagnose möglicher Fehlfunktionen. Während einige Arten von Fehlern besser durch Schwingungsanalyse erkannt werden können, lassen sich einige Arten von Fehlern besser durch die Analyse elektrischer Signaturen erkennen. Beispielsweise wird die Analyse elektrischer Signaturen zur Erkennung von Stabbruchfehlern verwendet, dem häufigsten Rotorausfall. Die elektrische Signaturanalyse kann alternativ zur Vibrationsanalyse auch bei Fehlausrichtungsfehlern eingesetzt werden.

Mit der Analyse der elektrischen Signatur können Fehler wie Statorfehler, Rotorfehler, Lagerfehler und lastbedingte Fehler im Voraus erkannt werden.

Für die Analyse der elektrischen Signatur sind keine Sensoren erforderlich, die am rotierenden Antriebsstrang der Maschinen montiert sind. Da es sich bei den zu überwachenden Daten um Strom und Spannung handelt, können diese Messungen über die Phasenkabel am Motoreingang erfolgen. Im Motorkontrollzentrum (Panel) können die Phasenkabel vom Treiberausgang zum Motoreingang des zu überwachenden Geräts erfasst und mit den an diesen Kabeln zu positionierenden analogen Ausgangssensoren Strom- und Spannungssignale abgerufen werden. Durch die Übertragung dieser Daten über IoT-Datenerfassungsgeräte an einen Analysator oder eine Cloud-Analysesoftware können die Daten analysiert und mögliche Fehlfunktionen erkannt werden.

Die Anforderungen an die Messung sind Präzision, Genauigkeit/Linearität, hohe Bandbreite und geringer Stromverbrauch. Um die aktuellen Daten anzuzeigen, sollten Sensoren verwendet werden, die den Motorstrom auf den Eingangsbereichswert der Datenerfassungsgeräte reduzieren. Sensoren wie Stromwandler, Rogowski-Spulen, Shunt- und Trace-Widerstände, Hall-Effekt-Sensoren und Fluxgate-Sensoren können verwendet werden. Bei Spannungsmessungen wird der Spannungspegel auf den geeigneten Bereich reduziert, den analoge Datenerfassungsgeräte mit Sensoren wie Spannungs-/Potential Wandlern und Spannungsteilern erfassen können.

Zur Interpretation der gewonnenen Daten werden die Techniken der elektrischen Signaturanalyse verwendet.

MCSA ist eine Technik zur Analyse und Verfolgung des Trends dynamisch angetriebener Systeme. Es hilft bei der Identifizierung von Statorwicklungsproblemen, Rotorproblemen, Kupplungsproblemen, Lastproblemen, Effizienzproblemen und Lagerproblemen.

Bei dieser Methode wird ein Asynchronmotor als Wandler verwendet, sodass der Benutzer die elektrischen und mechanischen Bedingungen des Panels beurteilen kann. Dabei handelt es sich hauptsächlich um die Überwachung einer der drei Phasen des Versorgungsstroms des Motors.

Die Spannungssignaturanalyse ist der Motorstromsignaturanalyse recht ähnlich; Das Signal wird jedoch von der Spannungsquelle des Motors gesammelt. Dies kann bei der Untersuchung des elektrischen Ungleichgewichts des Stators sowie bei der Analyse der Stromsignatur und der durch die Motorleistung verursachten Probleme bei Motoren hilfreich sein. Diese Methode wird am häufigsten bei der Analyse von Produktionseinheiten eingesetzt.

Ein weiterer Ansatz zur Fehleranalyse, der auf der Spektralanalyse basiert, ist die Momentanleistungsanalyse. Sie unterscheidet sich von MCSA und VSA dadurch, dass sie die in den Spannungs- und Stromsignalen einer Motorphase enthaltenen Informationen sowie die demodulierte Fehlerkomponente, die als charakteristische Frequenz bezeichnet wird, gemeinsam auswertet.

Das Spektrum der Momentanleistung weist neben der Grundkomponente und den zu bildenden Seitenbändern eine zusätzliche Komponente auf, die mit der durch den Fehler induzierten Modulation verknüpft ist. Diese Komponente wird als charakteristische Komponente bezeichnet und kann zur Diagnose des Maschinenstatus verwendet werden.

Die Analyse elektrischer Signaturen spielt eine wichtige Rolle bei der Erkennung möglicher Fehler. Um diese Fehler zu erkennen, müssen die Daten korrekt und in ausreichender Menge erfasst und anschließend analysiert werden. Sensemore bietet seinen Kunden die Duck-Lösung an, ein IoT-Datenerfassungsgerät, um die Daten zu sammeln und an die Analysesoftware zu übertragen. Mit seinen 8 Kanälen kann das Duck-Gerät gleichzeitig manuelle, periodische und getriggerte Messungen von 8 verschiedenen analogen Ausgangssensoren durchführen. An diese Kanäle können analoge Sensoren wie Strom, Spannung, Temperatur, Vibration, Luftfeuchtigkeit, Druck etc. angeschlossen und die Messwerte in der Sensemore Cloud App eingesehen werden.

Für die Analyse der elektrischen Signatur bietet Sensemore seinen Kunden Split-Core-Stromtransformatoren, Rogowski-Spulen für Motoren mit hohen Strömen; und Spannungsteilersensoren zur Messung von Spannungswerten. Diese werden einfach an den Motorphasenkabeln in der elektrischen Steuerzentrale (Panel) angebracht und die Strom-Spannungs-Daten werden an das Duck-Gerät übertragen. Duck überträgt diese Daten an die Sensemore Cloud-Anwendung. Dank der Software in der Cloud-Anwendung werden diese Daten analysiert und für den Benutzer Berichte über mögliche Ausfälle erstellt. Außerdem ist eine Energieüberwachung vorgesehen.