Früherkennung von Fehlern mit Kabellosen Zustandsüberwachungssensoren

Es gibt etwas, das jeder Wartungsingenieur lernt, manchmal auf die harte Tour: Maschinen versagen fast nie plötzlich. Sie geben immer Warnzeichen. Das Problem ist, dass wir nicht immer zuhören. Und genau hier kommt die Früherkennung von Fehlern mit kabellosen Zustandsüberwachungssensoren ins Spiel — eine Strategie, die nicht mehr futuristisch klingt, sondern sehr praktisch ist.

Eine der am häufigsten verwendeten Methoden ist die Schwingungsanalyse. Diese Technik ermöglicht es, mechanische Ausfälle zu identifizieren, bevor sie ungeplante Stillstände verursachen. Hier zeigen wir ein Beispiel basierend auf dem Fall, den Ingenieur Luis Canales Rocha von ERBESSD INSTRUMENTS® beim 25. Peruanischen Kongress für Wartungstechnik und Zuverlässigkeit präsentiert hat.

Schwingungsanalyse in CNC-Spindellagerungen

In diesem Fall wurde die Schwingungsanalyse auf ein Lager in einer CNC-Spindel angewendet und folgendes wurde identifiziert: die Fehlerfrequenzen jedes seiner Komponenten. Dazu gehören der Innenring, der Außenring, der Käfig und das Wälzelement. Jede Komponente hat eine spezifische Schwingungssignatur. Wenn ein Schaden auftritt, wird diese Signatur im Spektrum sichtbar. Im analysierten Fall ist der bedeutendste Schaden am Wälzelement vorhanden. Dies ist klar auf dem folgenden Bild zu sehen.

Dieser Schaden wird nicht nur erkannt, sondern auch die charakteristische Frequenz. Es werden auch Harmonische beobachtet, die mit dieser Frequenz verbunden sind. Dies zeigt an, dass der Ausfall bereits schwerwiegend ist und dass die Lagerverschlechterung sich in einem fortgeschrittenen Stadium befindet. Diese Art von Information ermöglicht es, den tatsächlichen Zustand der Komponente zu bestätigen, ohne sie zu demontieren. Und das spart Zeit.

Identifikation von Mechanischem Spiel im Gehäuse

Eine weitere vorgestellte Analyse betrifft einen Elektromotor. In diesem Fall befindet sich der Messpunkt am Lagergehäusedeckel. Die Schwingungsanalyse zeigt das Vorhandensein von mechanischem Spiel zwischen dem Außenring des Lagers und seinem Gehäuse im Motor. Diese Bedingung erzeugt repetitive Stöße, die klar im Signal aufgezeichnet werden.

Spiel ist nicht immer durch visuelle Inspektion erkennbar, aber es wird in den Schwingungen deutlich, wenn das Signal korrekt analysiert wird. Diese Bedingung beeinträchtigt die mechanische Stabilität der Baugruppe und kann den Lagerverschleiß beschleunigen.

Abschalttest für Weitere Analysen

In dieser Studie wurde ein Abschalttest durchgeführt, da er ein nützliches Werkzeug zum Verständnis des Ursprungs bestimmter Schwingungen ist. In der ersten Phase wird der Motor unter Spannung gesetzt. Unter dieser Bedingung wird eine Schwingung beobachtet, die mit der Rotationsgeschwindigkeit verbunden ist.

Außerdem ist eine zusätzliche Schwingung vorhanden. Diese Schwingung entspricht nicht direkt einem typischen mechanischen Ausfall. Aus diesem Grund wird vorgeschlagen, dass es sich um elektrisches Rauschen handeln könnte. Um dies zu überprüfen, wird die Stromversorgung des Motors getrennt. Wenn dies geschieht, verschwindet die dem elektrischen Rauschen zugeschriebene Schwingung. Nur die mit der Rotationsgeschwindigkeit der Welle verbundene Schwingung bleibt.

Dieses Ergebnis bestätigt, dass die zusätzliche Schwingung nicht mechanischen Ursprungs ist. Der Test unterscheidet klar zwischen den beiden Effekten und verhindert falsche Diagnosen.

Einsatz der Zustandsüberwachung bei der Diagnose

Die analysierten Fälle zeigen, wie die Zustandsüberwachung verschiedene Arten von Ausfällen identifiziert: schwere Schäden an Wälzelementen, mechanisches Spiel in Gehäusen, Vorhandensein von Schwingungen im Zusammenhang mit elektrischem Rauschen.

Der Einsatz kabelloser Sensoren erleichtert die Datenerfassung. Aber der eigentliche Wert liegt in der Analyse. Messung allein löst nichts, wenn sie nicht korrekt interpretiert wird. Wenn die Zustandsüberwachung konsequent angewendet wird, wird sie zu einem robusten Werkzeug zur Unterstützung der Anlagenzuverlässigkeit. Sie ermöglicht datengestützte Entscheidungen und das Verständnis des Maschinenverhaltens, bevor der Ausfall offensichtlich wird. Und in der Instandhaltung macht das den entscheidenden Unterschied.