Rotor

Fehlerdiagnose im Digitalen Zwilling

Ungeplante Stopps riesiger Maschinen sind zwar extrem selten, dann aber richtig teuer. Die automatisierte Rotordiagnose entdeckt Fehler und deren Ursachen im laufenden Betrieb und macht Reparaturen planbar.  

Bis zu fünf Millionen Euro am Tag kann es kosten, wenn ein riesiger Rotor, beispielsweise im Generator oder Kompressor, unvorhergesehen stillsteht. Zwei Wochen Stillstand fallen alleine schon für eine typische Reparatur an, selbst wenn sie eingeplant ist. Alles was darüber hinaus geht, muss so kurz wie möglich sein. „Ein Ausfall ist natürlich extrem selten, aber es passiert“, sagt Artur Jungiewicz, der bei Siemens Large Drives an Rotordynamik und Diagnosen arbeitet. Die Maschinen haben zwar umfassende Sensor- und Monitoring-Systeme. Aber sie sind so komplex, dass nach einem Sensoralarm viele Wochen vergehen, während die genaue Ursache identifiziert wird und Spezialisten die Reparatur vor Ort erledigen. In dieser Zeit steht die Maschine, denn die tonnenschweren, mit hohen Umdrehungen rotierenden Wellen schalten bei Fehlermeldungen aus Sicherheitsgründen sofort ab.

 

Das ist der Ansatzpunkt für die automatisierte Diagnose der Rotordynamik, die Large Drives zusammen mit der Siemens Forschungseinheit Technology (T) entwickelt hat. Das Verfahren identifiziert die Fehlerursachen von Vibrationen – dem wichtigsten Zustandsparameter für Rotoren – so früh, dass die Anlage nicht abschaltet und genug Zeit bleibt, um eventuelle Reparaturen zu planen. 

Das physikalische Modell bildet die Fehler der realen Maschine nach

In der Praxis werden Fehler gefunden, indem die Zustandsüberwachung des Rotors mit einer Fehleranalyse seines physikalischen digitalen Zwillings kombiniert werden. „Die Schwingungssensoren für das Monitoring sitzen an bestimmten Stellen des Rotors, aber natürlich nicht entlang der ganzen Welle. Wenn die Daten zum Beispiel eine Unwucht anzeigen sollten, müsste ich an jeder Stelle einen Messwert haben, um zu sehen, wo genau sich Staub abgelagert hat oder etwas abgeplatzt ist“, erklärt Christoph Ludwig, der bei T im Bereich Simulation und digitaler Zwilling arbeitet.

 

Für jeden Rotor gibt es aber einen digitalen Zwilling, der während der Anlagenplanung erstellt wurde und das Rotationsverhalten sowie die Werte der Messsensoren nachbildet. Mit ihm lassen sich potenziell auftretenden Fehler nachbilden und parametrisieren. Eine Unwucht zum Beispiel kann man durch eine bestimmte Kraft darstellen. Verändert man deren Größe oder Position, ändert sich die Vibration der Welle. In der Praxis erfasst das Monitoring kontinuierlich die Sensordaten der realen Maschine, dabei bleibt den Kunden überlassen, ob sie die Daten über eine Cloud oder direkt übertragen. Parallel läuft das Simulationsmodell des Rotors unter identischen Bedingungen virtuell mit. Treten keine Fehler auf, stimmen die virtuellen Sensorwerte des Modells mit den realen Messdaten überein. Ändern sich die Messwerte der Sensoren – zum Beispiel, weil eine Unwucht auftritt –startet ein Optimierungsalgorithmus. Er verändert die im Modell integrierten Fehlerparameter so, dass die Differenz zwischen simulierten und realen Sensorwerten minimiert wird. Die Simulation verhält sich dann genauso wie der Rotor mit Fehler, und die veränderten Parameter zeigen das Fehlerbild auf, das die Datenabweichung erklärt. Konkret liefern sie Größe und Art der verursachenden Kraft und die Stelle, an der sie wirkt. Das sind genau die Informationen, anhand derer der Service beurteilen kann, ob zum Beispiel eine Reparatur geplant werden sollte.

Faszination Forschung & Technologie

Einblicke in unsere Forschungslabore und technische Hintergründe

 

alle Forschungs-Stories

Click here

Wichtig ist, zu verstehen, dass die Rotordiagnose fundamental anders arbeitet als ein rein datengetriebenes Modell. „Datengetriebene Lösungen bewerten den aktuellen Zustand einer Maschine anhand alter Maschinendaten. Sie haben also aus alten Daten – meist mit KI-Methoden – gelernt, was die aktuellen Maschinendaten bedeuten. Solche Lösungen benötigen zum Training viele historische reale Maschinendaten, einschließlich der Werte von fehlerhaften Maschinen.  Insbesondere diese nötigen Fehlerdaten zum Trainieren gibt es  normalerweise aber gar nicht.  Unsere Technologie arbeitet ganz anderes. Unser Simulationsmodell ist entstanden, indem wir die Physik des Rotors und die Zustände der realen Maschine mathematisch nachgebildet haben. Wir brauchen also keine Trainingsdaten, zusätzlich sind die Ergebnisse – im Gegensatz zu vielen KI-Ansätzen – erklärbar und nachvollziehbar.“

Bewiesene Funktion im Praxistest

Die Rotordiagnose hielt einer Überprüfung mit echten Maschinen von Large Drives stand. In double blind Tests deckte sie eingebaute Fehler zuverlässig auf. „Dieser Nachweis ist für uns sehr wichtig,“ betont Artur Jungiewicz. „Die Fehler passieren ja extrem selten. Wir können die Diagnose nicht für eine Maschine aufsetzen und warten, bis zufällig ein Fehler auftritt, um zu prüfen, ob sie ihn korrekt erkennt.“ 

In Zukunft sollen durch Simulation nicht nur mechanische Unwuchten, sondern auch thermomechanische Phänomene erkannt werden. Ein typischer Fehler wäre etwa, dass der Rotor sich an einer bestimmten Stelle durch Reibung erwärmt und leicht verbiegt. „Mit unserem Basismodell, in das diese Biegemomente als Fehlerparameter integriert wurden, konnten wir bereits erste Erfolge erzielen“, erklärt Christoph Ludwig. „In Tests haben wir bei einer realen Maschine an der Welle absichtlich einen Temperaturhotspot erzeugt, der dann in der Simulation korrekt lokalisiert wurde. 

Erster Kundeneinsatz 2023

Aktuell laufen Langzeittests an Siemens-eigenen Maschinen. Nächstes Jahr wird die Rotordiagnostik bei einem ersten Kunden an den Start gehen. Dann hat der Siemens Service ein wichtiges Werkzeug an der Hand, das zusätzliche Sicherheit gibt, die den Kunden garantierte Anlagenverfügbarkeit zu gewährleisten. 

Christine Rüth, Oktober 2022