KMU-innovativ Wide Application Vibration Element (WA.VE)

Problemstellung
Maschinenschäden und -ausfälle, z. B. von Turbinen in Kraftwerken oder von produktionskritischen Versorgungsanlagen, wie Lüfter und Pumpen, führen in der Regel zu erheblichen wirtschaftlichen Verlusten. Zu deren Vermeidung existieren bereits vielversprechende Ansätze, welche beispielsweise auf der KI-gestützten Zustandsbestimmung und dem maschinellen Lernen basieren. Zur verlässlichen und verbesserten Anwendung dieser Verfahren in der Praxis ist die Erfassung einer großen Bandbreite mechanischer Schwingungen notwendig. Solche breitbandigen Messungen können derzeit nur mit mehreren Sensoren, die jeweils einen anderen Messbereich abdecken, durchgeführt werden. Sie erfordern den aufwändigen Einsatz kostenintensiver Messhardware. Eine flächendeckende Anwendung dieser Instandhaltungsansätze wird hierdurch bisher verhindert.

Zielsetzung
Ziel des KMU-innovativ Projekts WAVE ist daher die Entwicklung eines breitbandigen („Wide Application“) Messaufnehmers („Vibration Element“) auf Basis mehrerer neuartiger MEMS-Sensoren (Micro-Electro-Mechanical-System) und somit die Hochintegration von unterschiedlichen Messprinzipien auf einem einzigen leistungsfähigen Halbleiterchip. Mit diesem innovativen Sensorelement ist es erstmalig möglich, einen breiten Messbereich abzudecken, sodass Schwingungen im Niederfrequenz- bis hin zum Ultraschallbereich kombiniert gemessen werden können. Damit können beispielsweise Maschinenfehler, Wälzlagerfehler und -schäden sowie der Schmierungszustand gleichzeitig bewertet werden.

Vorgehensweise
Dafür müssen zunächst geeignete Designs für den Messaufnehmer erforscht und erprobt werden. Diese sollen zum einen den Erfordernissen der Sensoren, zum Beispiel unterschiedlicher Übertragungsmedien, wie Luft- oder Körperschall, gerecht werden und zum anderen wechselseitige Störeinflüsse verhindern. Aufgrund der hohen Abtastrate fallen sehr große Datenmengen an, die übertragen, verarbeitet und gespeichert werden müssen. Da es nicht möglich ist, diese Massendaten langfristig unverarbeitet zu bewältigen, müssen Methoden erforscht werden, die einerseits die Messungen intelligent steuern und andererseits nur zustandsrelevante Daten übertragen. Im Rahmen des Projekts wird die Funktionstüchtigkeit des prototypischen Messaufnehmers und der Datenverarbeitungsmethodik an Modellmaschinen mit präparierten fehlerhaften Wälzlagern demonstriert.

Ergebnisse und Anwendungspotenzial
Bei erfolgreicher Umsetzung kann die Sensorgröße durch die verwendeten Halbleiter-Produktionsprozesse halbiert und eine deutliche Reduktion der Kosten und des Energieverbrauches erreicht werden. Somit sind deutlich mehr Maschinen und -komponenten ausrüstbar, bei denen ein Einsatz von Systemen zur Maschinendiagnose bisher, bspw. aus Platz-, Gewichts- oder Kostengründen, nicht möglich war. Zudem wird der Einsatz von Sensornetzwerken (mehrere verknüpfte Sensorelemente) zur engmaschigen Überwachung der Maschinen rentabel. Hierdurch wird die ideale Grundlage für eine verlässliche KI-gestützte Schadensklassifikation und die praxistaugliche Anwendung von maschinellem Lernen für die vorausschauende Wartung geschaffen. Die neuen Sensorelemente können in einem breiten Anwendungsbereich im Maschinen- und Anlagenbau sowie auf dem Gebiet der Sonder- und Spezialmaschinen zum Einsatz kommen.

• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein
• SONOTEC GmbH