NIEDERÖSTERREICH
1
28 NEW BUSINESS • NIEDERÖSTERREICH | APRIL 2021
Foto: Gerd Altmann/Pixabay (1), Gordon Johnson/Pixabay (2)
Restlebensdauer, auf Basis von
Schmierstoffdaten zu treffen. Dafür reichen
die mittels konventioneller Analytik
und Sensoren erhobenen Informationen
aus, was in der Praxis eine deutliche
Erleichterung und verringerte Komplexität
bedeutet.
Große Datensätze in den Korrelationsmodellen
werden erstellt, um den
Schmierstoffzustand mit der Schmierungs
und Maschinenperformance
rasch und kostengünstig zu verknüpfen.
Zusammenhänge, die für das „bloße
Auge“ auf den ersten Blick „versteckt“
sind, werden so zugänglich und für die
Vorhersage von relevantem Verhalten
und daher der Maschinengesundheit
ausgenutzt. Dies ermöglicht die vorausschauende
Wartung in industriellen
Anwendungen und unterstützt den
nachhaltigen und ressourcenschonenden
Betrieb von geschmierten Maschinen.
Dörr dazu: „Es ist ein erheblicher Aufwand,
ein gutes statistisches Modell zu
erstellen. Dies setzt bei den Daten sowohl
eine ausreichende Quantität wie auch
eine entsprechende Qualität voraus. Daten
ohne oder mit wenig Informationsgehalt
entfernen wir aus unseren Modellen.
Die Auswahl der relevanten
Daten verbessert die Modellqualität
deutlich. Es erfordert Expertenwissen,
die beste statistische Methode für den
jeweiligen Anwendungsfall auszuwählen.
Aus den relevanten Daten und der
passenden Methode erhält man schließlich
ein aussagekräftiges, objektives
Modell. Dieses wird durch einen Experten
kritisch beäugt, um die Plausibilität
des Modells abzusichern. Unsere Kunden
sind zumeist angesichts des Aufwands
für statistische Modelle überrascht. Dieser
Aufwand amortisiert sich in der
Regel spätestens beim ersten Maschinenschaden,
der dadurch vermieden
werden konnte.“
Der Data-Mining-Ansatz macht nicht
nur Trends sichtbar, sondern vereinfacht
außerdem das Benchmarking von
Schmierstoffen auf einer quasi-standardisierten
Ebene mit einfachen Schmierstoff
Analysemethoden. Die Vorarbeit
von AC2T erlaubt es ihren Partnern dadurch,
aus ihren oftmals bereits vorhandenen
Daten mehr Informationen herauszulesen,
so ihre Maschinen besser
und länger zu nutzen, ihre Ef zienz und
Produktivität zu erhöhen und die Risiken
durch Maschinenausfälle noch weiter
zu reduzieren.
Auf Schiene und auf Straße
Die Vorteile dieses Ansatzes sind nicht
auf die produzierende Industrie beschränkt.
Anwendung findet er zum
Beispiel auch im Schienenverkehr. So ist
das Unternehmen im europäischen Projekt
„Shift2Rail“ eingebunden, bei dem
es ein wichtiges Ziel ist, aus bestehenden
Daten – etwa von den Sensoren einer
Lokomotive – Aussagen über ihren Zustand
abzuleiten. „Das sind Daten, die
zum Teil schon seit Langem kontinuierlich
aufgezeichnet werden. Allerdings
ist es relativ neu, diese Daten – hier handelt
es sich tatsächlich um Big Data –
aufzuarbeiten. Eine unserer Aufgaben
in ‚Shift2Rail‘ ist es, eine Onlinesensorik
für Öle und Fette aufzusetzen, um neben
der Auskunft über den Schmierstoffzustand
insbesondere auch über den Zustand
der Maschine zu informieren und,
wenn erforderlich, zu warnen. Wartung
und Instandhaltung lassen sich dadurch
zustandsbasiert planen, wodurch man
nicht mehr an xe Intervalle gebunden
ist. Auf plötzlich auftretende, nicht vorhersehbare
Ereignisse kann überdies
sofort reagiert werden. Im Schienenverkehr
ist Sicherheit das oberste Credo. Im
Wettbewerb mit LKWs und der Straße
ist es außerdem wichtig, die Lebenszykluskosten
zu reduzieren und die Kapazitäten
zu erhöhen. Nicht nur bei den
Zügen selbst, sondern auch bei der Abnutzung
der Infrastruktur, insbesondere
den Schienen und Weichen, bieten wir
entsprechende Sensorik an“, erklärt die
wissenschaftliche Leiterin.
Der Data-Mining-Ansatz von AC2T ist
universell einsetzbar und wird individuell
angepasst. „Daher sehen wir auch
alternative Antriebssysteme, wie Wasserstoffantriebe
und elektrische Fahrzeuge,
als ein weiteres Aufgabengebiet
des digitalen Schmierstoffs. Bei Elektrofahrzeugen
kommt hinzu, dass die Wartung
nicht so häu g durchgeführt wird
wie beim Verbrennungsmotor, der einmal
im Jahr zum Service muss – die Serviceintervalle
sind deutlich länger. Das steigert
die Gefahr, dass ein Defekt länger
unentdeckt bleibt und einen größeren
Schaden produziert, als wenn dieser bereits
im Frühstadium erkannt wird. Hier
ist der digitale Schmierstoff in Kombination
mit Sensoren interessant, um als
Vorwarnsystem zu agieren“, so Nicole
Dörr abschließend. RNF
KONTAKT
AC2T research GmbH
2700 Wiener Neustadt
Viktor-Kaplan-Straße 2/C
Tel.:+43/2622/816 00
offi ce@ac2t.at
www.ac2t.at
2