Intelligente Wartung mit Servosystemen

Künst­li­che In­tel­li­genz (KI) kann in An­triebs­sys­te­men ef­fek­tiv ein­ge­setzt wer­den, um vor­aus­schau­en­de War­tungs­ent­schei­dun­gen zu tref­fen. Die­se ba­sie­ren auf gro­ßen Da­ten­sät­zen, die in Echt­zeit in den Ser­vo­mo­to­ren und -ver­stär­kern er­fasst und ver­ar­bei­tet wer­den. So wird die Pro­duk­ti­on und Ver­füg­bar­keit...

  • Künstliche Intelligenz (KI) optimiert Wartungsaktivitäten anhand von datengestützten Echtzeit-Prognosen. Quelle: Mitsubishi Electric Europe B.V.
    Künstliche Intelligenz (KI) optimiert Wartungsaktivitäten anhand von datengestützten Echtzeit-Prognosen. Quelle: Mitsubishi Electric Europe B.V.
  • Dank CC-Link IE TSN sind nicht nur die Servoantriebe von Mitsubishi Electric in der Lage große Datenmengen für zeitkritische Steuerungsaufgaben zeitnah und ohne Verzögerungen zu übertragen. Quelle: Mitsubishi Electric Europe B.V.
    Dank CC-Link IE TSN sind nicht nur die Servoantriebe von Mitsubishi Electric in der Lage große Datenmengen für zeitkritische Steuerungsaufgaben zeitnah und ohne Verzögerungen zu übertragen. Quelle: Mitsubishi Electric Europe B.V.
  • Künstliche Intelligenz (KI) unterstützt nicht nur bei Wartungsentscheidungen, um Produktion und Verfügbarkeit zu optimieren. Quelle: GettyImages-1329665165.jpeg
    Künstliche Intelligenz (KI) unterstützt nicht nur bei Wartungsentscheidungen, um Produktion und Verfügbarkeit zu optimieren. Quelle: GettyImages-1329665165.jpeg

Am ef­fek­tivs­ten sind War­tun­gen, wenn sie vor­aus­schau­end und pro­ak­tiv er­fol­gen, al­so ge­nau dann, wenn sie auch wirk­lich nö­tig sind. Mit KI sind Un­ter­neh­men in der La­ge ih­re War­tungs­ent­schei­dun­gen an­hand von fun­dier­ten Pro­gno­se­mo­del­len, Echt­zeit­da­ten und An­la­gen­trends zu op­ti­mie­ren.

Bei der In­stand­hal­tung von Ser­vo­sys­te­men bie­tet ei­ne sol­che War­tungs­stra­te­gie ent­schei­den­de Vor­tei­le. Denn wäh­rend Ser­vo­mo­to­ren und -ver­stär­ker ge­ne­rell sehr lang­le­big sind, müs­sen die da­mit ver­bun­de­nen me­cha­ni­schen Tei­le re­gel­mä­ßig ge­war­tet wer­den. 

Un­ter­neh­men, die Bau­tei­le ba­sie­rend auf de­ren tat­säch­li­chem Zu­stand er­set­zen, ver­mei­den so das Aus­tau­schen von Tei­len, die noch kaum Ver­schleiß­er­schei­nun­gen vor­wei­sen. Ist das Ge­gen­teil der Fall und Tei­le wer­den stär­ker ab­ge­nutzt als er­war­tet, kann ei­ne vor­aus­schau­en­de War­tung so­gar kost­spie­li­ge Still­stand­zei­ten und Schä­den an Ma­schi­nen vor­beu­gen.

Ser­vo­an­wen­dun­gen vor­aus­schau­end war­ten

Mit ei­ner zu­stands­ori­en­tier­ten War­tungs­stra­te­gie ist es mög­lich, so gut wie al­le me­cha­ni­schen Sys­te­me und Kom­po­nen­ten in Echt­zeit zu über­wa­chen. In­te­grier­te Sen­so­ren an Ser­vo­ver­stär­kern und -mo­to­ren lie­fern da­bei ei­nen ge­nau­en Über­blick über den Zu­stand der in­ter­nen Kom­po­nen­ten. Au­ßer­dem wer­den so auch mit den An­trie­ben ver­bun­de­ne me­cha­ni­sche Bau­tei­le wie Ku­ge­l­um­lauf­spin­deln, Rie­men und Ge­trie­be über­wacht, die an­fäl­li­ger sind und des­halb öf­ter in­stand­ge­setzt oder er­setzt wer­den müs­sen.

Durch die Über­mitt­lung die­ser In­for­ma­tio­nen an die im Ser­vo­ver­stär­ker in­te­grier­ten KI-ge­stütz­ten Pro­gno­se­mo­del­le ist es mög­lich, Ano­ma­li­en in den Ser­vo­sys­te­men zu iden­ti­fi­zie­ren und po­ten­zi­el­le Pro­ble­me früh­zei­tig zu er­ken­nen. Mit­hil­fe die­ser um­setz­ba­ren Er­kennt­nis­se wer­den Ab­nut­zungs­er­schei­nun­gen ge­nau zum rich­ti­gen Zeit­punkt be­ho­ben – be­vor es zu Aus­fäl­len kommt, aber nur dann, wenn es auch nö­tig ist. 

Um die­sen War­tungs­an­satz er­folg­reich um­set­zen zu kön­nen, müs­sen gro­ße Men­gen an ge­rä­te­spe­zi­fi­schen Da­ten aus Ser­vo­an­trie­ben vor­lie­gen, die in die KI-Si­mu­la­tio­nen ein­ge­speist wer­den. Die­se be­stim­men die Qua­li­tät des Mo­dells, sprich des­sen Ge­nau­ig­keit, Emp­find­lich­keit und Prä­zi­si­on. Für ein­zel­ne Be­nut­zer ist es al­ler­dings oft schwie­rig, die be­nö­tig­ten In­for­ma­tio­nen zu ge­ne­rie­ren und zu sam­meln. Un­ter­neh­men pro­fi­tie­ren des­halb enorm von der jahr­zehn­te­lan­gen (da­ten­ge­stütz­ten) Er­fah­rung ei­nes Au­to­ma­ti­sie­rungs­an­bie­ters. 

Da­ten­ana­ly­se seit 1987

Im Jahr 1987 führ­te Mi­tsu­bi­shi Elec­tric sei­nen ers­ten voll­stän­dig di­gi­ta­len Ser­vo­ver­stär­ker ein. Seit­dem sam­melt das Un­ter­neh­men Be­triebs­da­ten mit und über sei­ne Ser­vos und de­ren Pe­ri­phe­rie­ge­rä­te. Die­se In­for­ma­tio­nen bil­den die Grund­la­ge für ein tief­grei­fen­des Ver­ständ­nis al­ler me­cha­ni­schen Sys­te­me, die von sei­nen Mo­to­ren an­ge­trie­ben wer­den. 

Mit­hil­fe die­ses um­fas­sen­den Da­ten­spei­chers ent­wi­ckel­te Mi­tsu­bi­shi Elec­tric ein fort­schritt­li­ches Dia­gno­se­tool für die vor­aus­schau­en­de War­tung sei­ner neu­es­ten Ser­vo­mo­to­ren und -ver­stär­ker der MELSER­VO MR-J5-Se­rie. Die­se Lö­sung nutzt die un­ter­neh­mens­ei­ge­ne De­ep-Learning-KI-Tech­no­lo­gie Mais­art® (Mi­tsu­bi­shi Elec­tric's AI crea­tes the Sta­te-of-the-ART in Tech­no­lo­gy), um zum Bei­spiel die Ab­nut­zung me­cha­ni­scher Kom­po­nen­ten zu er­ken­nen, be­vor ei­ne War­tung er­for­der­lich ist.
Die­ses Kon­zept zur vor­aus­schau­en­den War­tung ba­siert auf ‘De­ep Rein­force­ment Learning‘. Hier­bei han­delt es sich um ei­ne KI-An­wen­dung, die Da­ten au­to­ma­tisch ver­ar­bei­tet und so selbst­stän­dig lernt, Mus­ter und Ano­ma­li­en zu er­ken­nen. An­wen­der kön­nen so in kür­zes­ter Zeit ein in­tel­li­gen­tes Set­up im­ple­men­tie­ren, oh­ne dass sie über fort­ge­schrit­te­ne Kennt­nis­se in Pro­gram­mie­rung oder ma­schi­nel­lem Ler­nen ver­fü­gen müs­sen.

Vor al­lem aber ori­en­tiert sich das Wis­sen an dem in­di­vi­du­el­len Sys­tem, in dem die Ser­vos ein­ge­setzt wer­den. Ver­schie­de­ne An­wen­dun­gen ha­ben al­le ih­ren ei­ge­nen op­ti­ma­len An­la­gen­zu­stand. Die KI be­stimmt die idea­len Be­triebs­pa­ra­me­ter und  -be­din­gun­gen so­wie jeg­li­ches Ver­hal­ten, das als Ano­ma­lie be­trach­tet wer­den soll. 

Er­gänzt wer­den die­se Fä­hig­kei­ten durch die Netz­werk­tech­no­lo­gie CC-Link IE TSN mit Gi­ga­bit-Band­brei­te und Ti­me-Sen­si­ti­ve Net­wor­king (TSN)-Funk­tio­na­li­tä­ten. Da­durch sind die Ser­vo­an­trie­be in der La­ge gro­ße Da­ten­men­gen für zeit­kri­ti­sche Steue­rungs­auf­ga­ben so­wie we­ni­ger flüch­ti­ge KI-Ana­ly­sein­for­ma­tio­nen zeit­nah und oh­ne Ver­zö­ge­run­gen zu über­tra­gen.

Viel­sei­ti­ge Ser­vos für op­ti­mier­te Pro­duk­ti­ons­pro­zes­se 

Die MELSER­VO MR-J5 Ser­vos op­ti­mie­ren al­ler­dings nicht nur die War­tungs­ak­ti­vi­tä­ten. Sie sind zu­dem dar­auf aus­ge­legt, die Pro­duk­ti­vi­tät und En­er­gie­ef­fi­zi­enz in ei­ner Viel­zahl von An­wen­dun­gen zu ma­xi­mie­ren. Bei­spiels­wei­se um­fas­sen sie ein Port­fo­lio von schnel­len, ex­trem leis­tungs­star­ken Mo­to­ren mit mi­ni­ma­ler Bau­grö­ße, die ei­ne ma­xi­ma­le Ge­schwin­dig­keit von 6.700 U/min er­rei­chen kön­nen. Die Pro­dukt­pa­let­te um­fasst au­ßer­dem kom­pak­te Ser­vo­ver­stär­ker mit ei­nem Dreh­zahl-/Fre­quenz-An­sprech­ver­hal­ten von 3,5 kHz und Kom­mu­ni­ka­ti­ons­zy­klen von 31,25 μs. 

Um En­er­gie zu spa­ren, ist der MR-J5D Ver­stär­ker zu­dem mit ei­ner Rückspei­se­ein­heit aus­ge­stat­tet. So wer­den der Strom­ver­brauch und die Um­welt­be­las­tung von serv­o­ba­sier­ten An­wen­dun­gen re­du­ziert. 

Durch die Kom­bi­na­ti­on von in­no­va­ti­ver War­tung, Leis­tung und Ef­fi­zi­enz op­ti­mie­ren die neu­es­ten Ser­vo­sys­te­me von Mi­tsu­bi­shi Elec­tric wich­ti­ge Pro­duk­ti­ons­pro­zes­se. Zu­dem mi­ni­mie­ren sie Still­stand­zei­ten und ver­bes­sern die Pro­duk­ti­vi­tät.
In­dem sie mo­derns­te Da­ten­wis­sen­schaf­ten, wie bei­spiels­wei­se künst­li­che In­tel­li­genz, mit leis­tungs­star­ken und ef­fi­zi­en­ten Kom­po­nen­ten zu­sam­men­brin­gen, kön­nen Un­ter­neh­men ih­re Pro­duk­ti­vi­tät er­heb­lich stei­gern. Un­ter an­de­rem wird mit­hil­fe zu­stands­ori­en­tier­ter Über­wa­chung und vor­aus­schau­en­der War­tung die An­la­gen­ver­füg­bar­keit ver­bes­sert. Ba­sie­rend auf die­sen An­sät­zen ent­wi­ckel­te Mi­tsu­bi­shi Elec­tric sei­ne neu­es­ten Ser­vo­sys­te­me. Mit ih­nen will das Un­ter­neh­men sei­nen Kun­den da­bei hel­fen, Aus­fall­zei­ten zu mi­ni­mie­ren und gleich­zei­tig ih­re Pro­duk­ti­vi­tät deut­lich zu stei­gern.