Höhere Kran-Verfügbarkeit dank intelligenter Online-Überwachung im iba-System

Um ein genaues Abbild des Kranbetriebs zu erhalten, müssen Überwachungssysteme eine Vielzahl unterschiedlicher Daten in die Analyse einbeziehen und miteinander in Korrelation setzen.

„Mit ibaPDA-PLC-Xplorer können wir Signale direkt aus verschiedenen Steuerungen abfragen und hieraus, gemeinsam mit erfassten Schwingungsdaten, Beschleunigungswerte bilden und diese mit der ausgeführten Aktion und der Position des Krans in Beziehung setzen. Auf diese Weise können wir die Kranbahn auf den Meter genau überwachen und sehen exakt, an welcher Stelle Verschleiß oder Schäden auftreten“, sagt Jan Clas, Produktmanager bei der iba AG. Dies führe dazu, dass Betreiber anstehende Wartungsarbeiten präziser planen, effizienter durchführen und somit ungeplante Stillstände reduzieren können.

Eine wesentliche Voraussetzung hierfür ist es, die relevanten Daten hochaufgelöst direkt an der Edge zu erfassen und auszuwerten. Also genau da, wo sie entstehen. „Unser Edge-Device ibaM-DAQ fährt auf dem Kran mit und dort können wir Schwingungssensoren direkt anschließen. Das wird dann gemeinsam mit den synchronisierten Steuerungssignalen live ausgewertet“, berichtet Clas. Eingesetzt wird dabei die Software ibaInCycle, die wiederkehrende Abläufe online überwacht und live analysiert. Clas fügt an: „Letztlich können wir mit unserem System dann nicht nur bestimmen, dass ein Streckenbereich einen ungewöhnlichen Wert aufweist, sondern können dem Personal auch genau mitteilen, welche Stelle untersucht werden muss.“

Lernen unterschiedlicher Zustände mit Auto-Adapting 

Da die am Kranbetrieb beteiligten Größen, etwa die angehängte Last oder die Position der Laufkatze, jedoch Einfluss auf die erfassten Messwerte haben, muss das Messystem zur zielgerichteten Warnung und Alarmierung zwischen den unterschiedlichen Prozessparametern unterscheiden können.

Das iba-System benutzt hierfür die Auto-Adapting-Methode, die die Grundlage für eine differenzierte Fehlererkennung bildet: „Mit Auto-Adapting lernt das System für verschiedene Prozesszustände den Ist-Zustand der Laufflächen. Dabei werden die Daten in einem zeitsynchron gemittelten Kennwert erfasst“, sagt Clas. Die Ergebnisse werden dem Personal in Form von Reports oder Dashboards zur Verfügung gestellt.

Sollten die überwachten Schwingungsdaten oder gemessene Ströme vom gelernten Zustand abweichen, wird zudem eine Alarmmeldung ausgelöst. „Eine Abweichung vom erlernten Zustand der Schwingungen ist häufig ein Indikator für Schäden oder Abnutzung an der Lauffläche. Somit ermöglicht das Auto-Adapting in ibaInCycle eine zuverlässige Überwachung – selbst bei variierenden Betriebsbedingungen“, berichtet Clas.

Für die Instandhaltungsabteilung bedeutet das: Sie erhält kontinuierlich aktuelle Informationen zum Zustand der Lauffläche und wird präzise auf Stellen hingewiesen, die überprüft oder bei einem geplanten Stillstand instandgesetzt werden müssen.