Predictive Maintenance

Kleine Helfer, große Wirkung

Dank der Echtzeitanalyse von Sensorendaten kann TÜV SÜD potenzielle Ausfälle von Produktionsanlagen vorhersehen. Die sogenannte Predictive Maintenance erhöht die Produktivität und senkt Kosten der Betreiber – ein Pilot­projekt in Indien beweist das.

Text Felix Enzian Illustrationen Process – www.process.studio

Alle paar Jahre bricht an der Donau der geplante Wahnsinn aus: Dann fährt eine der großen Raffinerien, die rund um Ingolstadt Erdöl und -gas verarbeiten, ihren Betrieb komplett herunter. Innerhalb von rund vier Wochen bringen dann Tausende Arbeiter die Anlage auf Vordermann – unterstützt von mehreren Dutzend TÜV SÜD-Experten aus dem nahen Regensburg: Im Schichtbetrieb werden Behälter und Rohre geöffnet und gereinigt, Reparaturen an Kondensatoren und Kesseln durchgeführt, Sicherheitseinrichtungen geprüft. Rund um die Uhr und nach einem genauen Zeitplan. Denn Zeit ist Geld, wenn bei einem Shutdown eine gesamte Anlage stillsteht: Die Betreiber einer bayerischen Raffinerie sprachen kürzlich von einem mittleren zweistelligen Millionenbetrag an Kosten.

Wäre es nicht ein Segen für den Betreiber, wenn sich ein solcher Aufwand minimieren ließe? Wenn Anlagen nicht mehr oder in deutlich größeren Abständen als bisher für Wartungszwecke stillstehen müssten? Das dachte sich auch Jay Lee. Vor 17 Jahren hatte der US-Amerikaner eine Vision: Null Stillstand in den Industrien ist machbar. Er reiste durch die USA, stellte Unternehmern seinen Ansatz vor, mit dem hohe Ausfallraten und damit verbundene Kosten verhindert werden sollten. Seine Idee war ein intelligentes System, das Fehler schon im Voraus erkennen sollte, bevor sie überhaupt zu Problemen führen.

Lee nannte diese Vision wie einige andere Pioniere Predictive Maintenance, vorausschauende Instandhaltung. Doch bis auf ein paar wenige Unternehmen glaubte ihm niemand. Heute schmunzelt Jay Lee darüber. „Wir sind näher dran als jemals zuvor“, sagt er. Lee ist Gründungsgesellschafter des Center for Intelligent Maintenance Systems in Cincinnati in den USA, einer nationalen Wissenschaftsorganisation, die über mehrere Universitäten des Landes vernetzt ist und Initiativen hinsichtlich der ausfalllosen Industrie vorantreibt. „Der große Unterschied im Vergleich zu der Zeit vor zehn oder zwanzig Jahren ist, dass wir früher nur historische Daten zur Analyse nutzten“, sagt Lee. „Heutzutage, im Big-Data-Zeitalter, können wir schier unerschöpfliche Quellen zur Überprüfung von Systemen heranziehen und sind dadurch viel genauer. Dazu zählen Sensoren, historische Daten, Expertenmeinungen. Das neue Level ist die Korrelation der Daten, die uns schlauer macht. Wir können Probleme vorausahnen. Predictive Maintenance eben.“

Normalerweise laufen Wartungen nach einem festen Zeitplan ab. Komponenten werden dabei nach einer bestimmten Anzahl von Betriebsstunden gewechselt. Richtig angewandt sorgt dieses System für eine hohe Ausfallsicherheit und für Sicherheit von Fabriken, Kraftwerken oder Raffinerien. Und es ist relativ einfach durchführbar. Allerdings hat die Instandhaltung, die sich an einem festen Zeitplan orientiert, auch Nachteile: Werden Einzelteile zu früh ausgetauscht, steigen die Kosten. Werden sie zu spät ersetzt, geht dies auf Kosten der Verfügbarkeit und Sicherheit. Bei der Predictive Maintenance ist das anders: Mithilfe von Sensoren werden Komponenten oder ganze Anlagen in Echtzeit überwacht. Die Daten werden mit intelligenter Software analysiert und mit bereits vorhandenen Daten zusammengeführt. Darauf aufbauend können Prognosen von Ausfallwahrscheinlichkeiten erstellt werden – mit konkreten Handlungsanweisungen, ob und wann einzelne Teile gewartet werden müssen. Im Idealfall sinken dadurch die Wartungskosten und Ausfallzeiten reduzieren sich.

 Das US-Energieministerium schätzt, dass sich Wartungskosten mittels Predictive Maintenance um bis zu 30 Prozent reduzieren lassen und dass bis zu 75 Prozent der Betriebsausfälle verhindert werden können. Aber nur dann, wenn anhand der Daten ständig folgende Fragen beantwortet werden: Wann wird der Zustand einer Komponente kritisch? Wie prognostiziert man zuverlässig den wahrscheinlichen Ausfallzeitpunkt? Wann ist der beste Eingriffszeitpunkt zur Fehlerbehebung?

Pilotprojekt in Indien

In der Stadt Yamunanagar im Norden von Indien wird intensiv daran gearbeitet, genau diese Fragen zu beantworten. Der Energieversorger HPGCL betreibt hier ein 600-Megawatt-Kohlekraftwerk – und seit Mitte 2016 eine der ersten Anlagen im Land, in dem die vorausschauende Instandhaltung erprobt wird. TÜV SÜD hat für den Betreiber das gesamte System mit Sensoren vernetzt, von der Anlieferung der Kohle bis zur Stromproduktion in den Turbinen.

Der ganzheitliche Ansatz ist dann auch das Besondere an dem Pilotprojekt. Während einzelne Komponenten und Systeme in vielen Kraftwerken von Herstellerseite bereits überwacht werden, fehlt in der Regel die Analyse der gesamten Anlage. „Als unabhängiger Dritter, der keine eigenen Interessen in der Wartung, beim Austausch von Teilen oder bei Neuanschaffungen verfolgt, können wir unseren Kunden einen echten Mehrwert bieten“, sagt Shatanshu Shekhar, Leiter des TÜV SÜD-Projekts in Indien. „Dazu kommt unsere geballte Ingenieurskompetenz und über 150-jährige Erfahrung im Kraftwerksbereich.

 

Rund-Um-die-Uhr-Kontrolle

Dass ausgerechnet in Indien eine Blaupause für eine intelligentere Instandhaltung entwickelt wird, kommt nicht von ungefähr: Die instabile Energieversorgung in vielen Landesteilen gilt als ein Haupthemmnis für den wirtschaftlichen Aufschwung des Landes. Rund zwei Drittel des Stroms kommt aus Kohlekraftwerken. Diese sind überwiegend älter als 20 Jahre und fallen entsprechend oft aus. Stromausfälle sind in Indien daher an der Tagesordnung. Die Verfügbarkeit durch neue Methoden der Instandhaltung zu steigern, stößt daher auf großes Interesse.

Seit Mitte des vergangenen Jahres werden die Daten in Indien erhoben. Zu Beginn analysierten Shatanshu Shekhar und seine Kollegen, an welchen Stellen im Kraftwerk überhaupt Sensoren angebracht werden müssen. Über 600 Datenübermittler wurden daraufhin an kritischen Stellen sowie an Maschinen installiert und miteinander vernetzt. Sie erfassen unter anderem Drücke, Temperaturen oder Vibrationen. „Im Kraftwerk gibt es einen rund um die Uhr besetzten Kontrollraum. Anhand der Echtzeitdaten stehen wir jederzeit mit den Kontrolleuren im Austausch“, sagt Shekhar. „Wenn sich Probleme abzeichnen, sprechen wir Empfehlungen aus.“

Nicht immer war es dabei möglich, die Sensoren direkt dort zu verbauen, wo auch gemessen werden soll. Denn ein Kraftwerk ist auch ein Ort der Extreme: Schmutz, Vibrationen und hohe Temperaturen bis zu 500 Grad Celsius würden jeden Sensor an seine Grenzen bringen. Die Messinstrumente müssen daher teilweise an Stellen in der Nähe angebracht werden, wo sie arbeitsfähig sind. In Kombination mit mathematischen Modellen kann dann der Zustand des eigentlich zu untersuchenden Bereichs genau analysiert werden. „Es treten immer wieder Herausforderungen in einem ambitionierten Umfeld wie einem Kraftwerk auf“, sagt Shatanshu Shekhar. „Aber bisher haben wir immer alle lösen können.“

16 Jahre warten

Der Erfolg lässt sich auch an konkreten Zahlen ablesen: Vor dem TÜV SÜD-Pilotprojekt fiel alle 60 bis 80 Tage im Kraftwerk eine Einheit aus. Jetzt passiert dies nur noch alle 120 bis 125 Tage. Vor einiger Zeit hat es beispielsweise ein Unterdruckleck in einem Kondensator gegeben. „Die nächste Inspektion wäre erst drei Monate später gewesen. Anhand der gemessenen Daten haben wir die Empfehlung ausgesprochen, das Problem zu beheben“, sagt Shekhar. Was wohl auch besser war: Wäre das Leck nicht behandelt worden, hätte es an dieser wichtigen Stelle einen Ausfall mit einem möglichen Breakdown des gesamten Kraftwerks geben können.

„Der Betreiber ist zufrieden“, sagt Shekhar. „Er kann mehr produzieren und seinen Ertrag steigern, da er weniger Stillstand hat. Auch die Kosten der ungewollten Breakdowns fallen weg. Maschinen bleiben länger erhalten. Und künftig könnte die Zeitspanne für routinemäßige Tests verlängert werden.“ Dieses Jahr rollt TÜV SÜD seine Predictive-Maintenance-Lösung breitflächig aus. Diese kann dann für jedes Kraftwerk individuell angepasst werden. Das Interesse ist enorm, nicht nur in Indien, sondern auch in umliegenden Staaten wie Bangladesch, Vietnam oder China. Auch Jay Lee aus den USA würde sich davon bestätigt fühlen. Denn seine Vision aus dem Jahr 2000 wird immer realistischer: „Wir sind mitten in einem Prozess“, sagt er. „Wir entdecken gerade erst, was mit der vorausschauenden Instandhaltung alles möglich ist.“