Roboterhunde, Drohnen und smarte Sensoren: Das neue Team in der Instandhaltung
In Teil 3 unserer Predictive-Maintenance-Serie haben wir uns angesehen, wie Maschinen frühzeitig Anzeichen für Verschleiß zeigen. Veränderungen bei Vibrationen, Temperatur, Akustik und anderen Zustandsdaten können der Instandhaltung helfen, Probleme zu erkennen, bevor es zum Ausfall kommt.
Traditionell gibt es zwei Möglichkeiten, diese Informationen zu erfassen: Sensoren werden direkt an den Anlagen installiert oder Mitarbeitende führen regelmäßige Inspektionen und Messungen vor Ort durch.
Doch inzwischen gibt es eine weitere Möglichkeit: Der Sensor kommt zur Maschine.
In Produktionsanlagen werden zunehmend mobile Roboter und Drohnen eingesetzt, um Inspektionen durchzuführen, Zustandsdaten zu erfassen und Anlagen zu erreichen, die für Menschen schwer zugänglich oder mit erhöhten Risiken verbunden sind.
Manche fliegen. Andere laufen.
Und ja, einige davon sehen erstaunlich stark nach Hunden aus.
Warum Sensoren auf einen Roboter setzen?
Das Prinzip ist relativ einfach.
In einem Werk können Tausende Motoren, Pumpen, Lager, Getriebe und andere Komponenten im Einsatz sein. Jede einzelne davon dauerhaft mit Monitoring-Technologie auszustatten, ist weder immer praktikabel noch wirtschaftlich sinnvoll.
Manuelle Inspektionsrunden sind eine Alternative. Sie erfordern jedoch qualifizierte Mitarbeitende, die sich durch die Anlage bewegen, Messungen durchführen und ihre Beobachtungen dokumentieren.
Mobile Inspektionsroboter bieten einen weiteren Ansatz.
Anstatt beispielsweise eine Wärmebildkamera, einen akustischen Sensor oder ein visuelles Inspektionssystem dauerhaft an jeder einzelnen Anlage zu installieren, können dieselben Sensoren durch die Produktion bewegt und an unterschiedlichen Inspektionspunkten eingesetzt werden.
Boston Dynamics positioniert beispielsweise seinen vierbeinigen Roboter Spot als mobile Inspektionsplattform. Er kann visuelle, thermische und akustische Inspektionen entlang vorab definierter Routen durchführen und regelmäßig zu denselben Anlagen zurückkehren, um vergleichbare Messwerte über die Zeit zu erfassen.
Genau diese Vergleichbarkeit ist entscheidend. Es geht nicht darum, ein interessantes Bild einer Maschine aufzunehmen. Ziel ist es, relevante Zustandsdaten zu erfassen, die die Instandhaltung vergleichen, analysieren und für weitere Entscheidungen nutzen kann.
Roboterhunde sind längst in der Produktion angekommen
Ein vierbeiniger Roboter, der selbstständig durch eine Produktionsanlage läuft, wirkt noch immer futuristisch. Doch die Technologie wird bereits in realen industriellen Anwendungen eingesetzt.
Bei Nestlé Purina kommt Spot zum Einsatz, um thermische und akustische Inspektionen an Verpackungslinien zu automatisieren. Nach Angaben des Instandhaltungsteams sollen mögliche Probleme zwischen Produktionsläufen erkannt werden, damit Reparaturen frühzeitig geplant werden können, anstatt erst auf einen Ausfall reagieren zu müssen.
Auch AB InBev setzt die Technologie in seiner Brauerei im belgischen Leuven ein. Spot führt dort thermische Inspektionen durch, um Hotspots zu erkennen, und nutzt akustische Messungen, um Druckluftlecks aufzuspüren. In einem dokumentierten Fall identifizierte der Roboter einen defekten Transportmotor, der andernfalls zu mindestens sechs Stunden Stillstand an der Verpackungslinie hätte führen können.
Andere Hersteller verfolgen mit unterschiedlichen Robotikplattformen ähnliche Ansätze. Im Chemiewerk von Grace in Düren wird beispielsweise der vierbeinige ANYmal-Roboter von ANYbotics für autonome thermische, visuelle und akustische Inspektionen eingesetzt. Pro Inspektionsrunde überprüft der Roboter mehr als 120 Messpunkte und unterstützt den Standort dabei, Auffälligkeiten frühzeitig zu erkennen und Instandhaltungsmaßnahmen zu planen.
Diese Beispiele zeigen eine wichtige Entwicklung: Roboter übernehmen nicht die Instandhaltungsentscheidung. Sie automatisieren zunehmend einen Teil der Datenerfassung, die dieser Entscheidung vorausgeht.
Manchmal reicht Laufen nicht aus
In Produktionsanlagen gibt es nicht nur Maschinen, die sich nur mit hohem Aufwand regelmäßig überwachen lassen. Manche Bereiche sind für Menschen nur schwer zugänglich.
Dazu gehören beispielsweise Silos, Rohrleitungen, Schornsteine, Kühltürme oder enge Räume. Ihre Inspektion kann Gerüste, Seilzugang, besondere Sicherheitsmaßnahmen oder sogar einen Anlagenstillstand erforderlich machen.
Hier können Drohnen den Inspektionsprozess verändern.
In Zementwerken werden beispielsweise spezialisierte Drohnen eingesetzt, um Öfen, Silos, Schornsteine und Rohrsysteme zu inspizieren. Sie können visuelle Daten und LiDAR-Aufnahmen erfassen und mit entsprechender Sensortechnik sogar Ultraschallmessungen zur Bestimmung von Materialstärken durchführen, ohne dass sich Inspektoren selbst Zugang zu diesen Bereichen verschaffen müssen.
In einem dokumentierten Fall wurde eine Inspektionsdrohne in einem Schornstein eingesetzt, nachdem ein strukturelles Problem vermutet worden war. Anhand des erstellten 3D-Modells konnte das Instandhaltungsteam den Schaden lokalisieren und die Reparatur bereits vor Beginn der eigentlichen Arbeiten planen.
Der Mehrwert besteht dabei nicht einfach darin, dass Drohnen schneller oder technologisch beeindruckender sind als klassische Inspektionsmethoden. Entscheidend ist, dass Zustandsinformationen aus bisher schwer zugänglichen Bereichen einfacher erfasst werden können.
Und wenn die Datenerfassung einfacher wird, kann es auch praktikabler werden, Inspektionen häufiger durchzuführen.
Mehr Daten sind nicht das Ziel
Bei all diesen Technologien liegt eine Annahme nahe: Mehr Sensoren, mehr Roboter und mehr Inspektionsdaten müssen automatisch zu besserer Instandhaltung führen.
Doch wie wir bereits in Teil 3 gesehen haben, ist die Datenerfassung nur der Anfang.
Ein Roboter kann ein Wärmebild eines Motors aufnehmen, eine Drohne einen Riss erkennen und ein akustischer Sensor ein ungewöhnliches Geräusch erfassen. Entscheidend ist, ob diese Informationen dem Unternehmen dabei helfen, die richtige nächste Maßnahme einzuleiten.
Interessant ist deshalb weniger der Roboter selbst als die zunehmend automatisierte Prozesskette dahinter.
Ein Roboter kann in regelmäßigen Abständen dieselbe Inspektionsroute ablaufen, Messwerte an denselben Anlagen erfassen und Auffälligkeiten zur weiteren Prüfung markieren. Die Instandhaltung kann ihre Aufmerksamkeit anschließend gezielt auf die Anlagen richten, bei denen sich laut Datenlage etwas verändert hat.
Beim Schweizer Zementhersteller Vigier Ciment führt beispielsweise ein ANYmal-Roboter jede Nacht Inspektionsrunden über drei Mühlen und sechs Etagen durch. Nach Angaben von ANYbotics absolvierte er in den ersten 16 Monaten mehr als 33.000 Inspektionen an 450 Inspektionspunkten. Am nächsten Morgen steht dem Instandhaltungsteam ein Inspektionsbericht zur Verfügung, der bei der Planung von Reparaturen, Ersatzteilbestellungen und Einsätzen vor Ort unterstützt.
Genau darin liegt vielleicht die sinnvollste Rolle autonomer Inspektion.
Ziel ist nicht, die Instandhaltung aus dem Prozess zu entfernen. Es geht darum, einen Teil der routinemäßigen Datenerfassung zu automatisieren, damit sich die Instandhaltung stärker auf Bewertung und Entscheidungen konzentrieren kann.
Von der autonomen Inspektion zur automatisierten Maßnahme?
Damit kommen wir zu einer größeren Frage.
Heute kann ein Roboter durch eine Produktionsanlage laufen, einen Motor überprüfen, eine ungewöhnlich hohe Temperatur erkennen und die Auffälligkeit an die Instandhaltung melden.
Was passiert, wenn die Systeme dahinter stärker miteinander vernetzt werden?
Stellen wir uns vor, Condition Monitoring deutet darauf hin, dass sich der Zustand eines Lagers verschlechtert. Die betroffene Anlage wird automatisch identifiziert und der voraussichtliche Zeitraum für einen Eingriff bestimmt. Das dazugehörige Ersatzteil ist bekannt. Die aktuellen Bestände werden standortübergreifend geprüft und das Unternehmen kann feststellen, ob die Komponente bereits verfügbar ist oder beschafft werden muss.
Damit ist nicht gesagt, dass all diese Entscheidungen ohne menschliches Eingreifen getroffen werden sollten. Instandhaltungsmaßnahmen erfordern technisches Know-how und müssen betriebliche Prioritäten, Sicherheitsanforderungen und wirtschaftliche Überlegungen berücksichtigen. All das lässt sich nicht einfach vollständig automatisieren.
Die Entwicklung ist dennoch spannend.
Die Technologien zur Erkennung von Verschleiß, zur Erfassung von Zustandsdaten und zur Automatisierung von Inspektionen entwickeln sich schnell weiter. Gleichzeitig verbessern Hersteller die Systeme, mit denen sie Instandhaltung, Bestände und Beschaffung steuern.
Je besser diese Systeme verlässliche Informationen miteinander austauschen können, desto kürzer wird der Weg zwischen der Erkennung eines Problems und der Fähigkeit, rechtzeitig darauf zu reagieren.
Das neue Instandhaltungsteam bleibt ein Team
Roboterhunde liefern gute Bilder. Drohnen, die durch Industrieanlagen fliegen, beeindruckende Videos.
Die eigentlich interessante Veränderung ist jedoch weniger spektakulär.
Condition Monitoring muss nicht mehr ausschließlich auf fest installierten Sensoren oder manuellen Inspektionsrunden basieren. Mobile Inspektionstechnologien können die Reichweite und Häufigkeit der Datenerfassung erhöhen, während sich die Instandhaltung auf die Interpretation dieser Informationen und die daraus folgenden Maßnahmen konzentriert.
Zum Instandhaltungsteam der Zukunft könnten deshalb Techniker, Reliability Engineers, Sensoren, KI-Modelle, Drohnen und autonome Roboter gleichermaßen gehören.
Sie übernehmen nicht dieselben Aufgaben. Sie liefern unterschiedliche Informationen für dasselbe Ziel: den Zustand einer Anlage früh genug zu verstehen, um handeln zu können, bevor es zum Ausfall kommt.
Und je besser Hersteller vorhersagen können, welche Komponenten wann Aufmerksamkeit benötigen, desto wichtiger wird eine weitere Frage:
Kann auch die Ersatzteilplanung vorausschauender werden?
Als Nächstes in unserer Serie: Von Predictive Maintenance zu Predictive Spare Parts Planning.
Ganze Serie lesen:
- Teil 1 – Von Wartungsplänen zu KI: Wir haben betrachtet, wie sich Predictive Maintenance von klassischen Zuverlässigkeitsmethoden und Condition Monitoring hin zu KI-gestützten Prognosen entwickelt hat.
- Teil 2 – Predictive Maintenance gibt Ihnen 30 Tage. Und jetzt?: Wir haben gezeigt, was nach einer Frühwarnung passieren muss – von der Identifikation des richtigen Ersatzteils über die Prüfung der Verfügbarkeit bis hin zu aktuellen Lieferzeiten.
- Teil 3 – Woher weiß eine Maschine, dass sie kurz vor dem Ausfall steht?: Wir haben untersucht, wie Sensoren, Zustandsdaten und KI Veränderungen im Maschinenverhalten erkennen und daraus relevante Informationen für die Instandhaltung ableiten können.
- Teil 5 – Von Predictive Maintenance zur vorausschauenden Ersatzteilplanung: Wir sind der Frage nachgegangen, ob Informationen über erwartete Instandhaltungsbedarfe auch die Ersatzteilplanung vorausschauender machen können. (kommt bald)
- Teil 6 – Die autonome Fabrik: Kann eine Maschine ihr eigenes Ersatzteil bestellen?: Wir führen die Themen der Serie zusammen und gehen der Frage nach, wie weit sich der Prozess von der Erkennung eines sich anbahnenden Ausfalls über die Identifikation und Verfügbarkeitsprüfung des richtigen Ersatzteils bis hin zur Beschaffung künftig automatisieren lässt. (kommt bald)
