Servomotoren und -verstärker vor einer kopfförmigen Netzstruktur

Künstliche Intelligenz (KI) optimiert Wartungsaktivitäten anhand von datengestützten Echtzeit-Prognosen. (Bild: Mitsubishi ­Electric Europe)

Am effektivsten sind Wartungen, wenn sie vorausschauend und proaktiv erfolgen, also genau dann, wenn sie 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. Nutzen sich hingegen Teile stärker ab als erwartet, kann eine vorausschauende Wartung kostspieligen 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. 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 von der jahrzehntelangen (datengestützten) Erfahrung eines Automatisierungsanbieters. 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 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.

 

Große Datenmengen zeitnah übertragen

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.

Die Melservo-MR-J5 Servos optimieren nicht nur die Wartungsaktivitäten. Sie sind darauf ausgelegt, die Produktivität und Energieeffizienz in vielen 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 reduzieren sich der Stromverbrauch und die Umweltbelastung von servobasierten Anwendungen. Durch die Kombination von innovativer Wartung, Leistung und Effizienz optimieren die neuesten Servosysteme wichtige Produktionsprozesse. Zudem minimieren sie Stillstandzeiten und verbessern die Produktivität. aru

Sie möchten gerne weiterlesen?

Registrieren Sie sich jetzt kostenlos:

Bleiben Sie stets zu allen wichtigen Themen und Trends informiert.
Das Passwort muss mindestens acht Zeichen lang sein.

Mit der Registrierung akzeptiere ich die Nutzungsbedingungen der Portale im Industrie-Medien-Netzwerks. Die Datenschutzerklärung habe ich zur Kenntnis genommen.

Sie sind bereits registriert?