DE
DE
EN

Predictive Maintenance ist für Schneianlagen von TECHNOALPIN ein großes Thema. Foto: TECHNOALPIN

Predictive Maintenance:

Wie weit ist die Branche?

Vorausschauende Wartung ist DAS Zukunftsthema, wenn es um den Service von Seilbahnen, Schneianlagen oder Pistenfahrzeugen geht. Doch welche Visionen gibt es – und was ist Realität?

 

Predictive Maintenance lässt sich mit dem Begriff „vorausschauende Wartung“ ins Deutsche übersetzen. Das Verfahren nutzt Mess- und Produktionsdaten von Maschinen und Anlagen für die Ableitung von Wartungsinformationen.

 

Ziel ist es, Maschinen und Anlagen proaktiv zu warten und Störungszeiten zu minimieren.

 

Im Optimalfall lassen sich Störungen vorhersagen, bevor es zu Auswirkungen oder Ausfällen kommt. Durch die frühzeitig proaktiv eingeleiteten Wartungsmaßnahmen wird das tatsächliche Eintreten der Störung verhindert.

In der Software Sambesi wurde die zustandsorientierte Wartung umgesetzt. Foto: REMEC

Risikolandschaft und Machine Learning

In unserer Branche gehen hier Software- Firmen wie REMEC voran. Das Unternehmen sammelt seit über zehn Jahren systematisch Daten in ihrer Instandhaltungssoftware Sambesi.

 

„Insbesondere die Datenaufzeichnung von Messwerten ist dabei sehr wichtig. Die Datenanalyse ermöglicht es unseren Kunden ein Zeit- Zustandsdiagramm der Komponenten aufzuzeichnen, um so die vorbeugende Instandhaltung rechtzeitig auszulösen“, berichtet Marco Zgraggen, CEO von REMEC.

 

Zudem haben die Entwickler in Sambesi die zustandsorientierte Instandhaltung umgesetzt.

 

„Damit automatisieren wir ein Stück weit die Instandhaltungsplanung, indem unser System dem Kunden aufgrund des Erreichens von Messwertgrenzen die Instandhaltungstätigkeiten vorschlägt“, sagt Zgraggen.

 

Mittelfristig ist REMEC in der Lage eine Risikolandschaft der Systeme aufzuzeigen. Damit kann der Fokus dort gesetzt werden, wo die meisten Probleme mit den größten Risiken auftreten.

Zudem gibt es bereits heute Systeme, welche mit Machine Learning Predictive Maintenance durchführen können (Bsp. Mechmine).

 

„Zu diesen Systemen hat Sambesi eine entsprechende Schnittstelle“, freut sich Zgraggen.

Sensorentausch & Anlagenharmonie

Bei Beschneiungssystemen ist es fatal, wenn Anlagen genau im Schneifenster versagen. Ziel muss also sein, Teile zu tauschen, bevor sie kaputt gehen.

 

Der Hersteller TECHNOALPIN hat in dieser Saison erstmals eine Schnittstelle in Kompressoren installiert, die dem Leitsystem die Betriebsstunden meldet.

 

„Der Kompressor schickt eine Warnung über das nächste Serviceintervall aus. Die Betreiber können ihre Wartung danach proaktiv planen“ berichtet Markus Pfeifer, Head of Process Engineering bei TECHNOALPIN.

 

Seit einem Jahr in der Entwicklung befinden sich Wettersensoren, die sich miteinander vergleichen. „Weicht ein Sensor bei den Daten über Temperatur oder Luftfeuchte von den anderen im Umkreis von 200 Metern ab, ist er wohl beschädigt oder verschmutzt. Das System empfiehlt dann den Austausch“, so Pfeifer.

 

Mittelfristig will TECHNOALPIN Predictive Maintenance auch für Verschleißteile, wie etwa Lager verwenden. Sensoren messen die Temperatur der Lager und empfehlen bei Abweichungen den Austausch.

Das Maintenance Tool von PRINOTH ist der Beginn vorausschauender Wartung. Foto: PRINOTH

Zusammenarbeit mit Zulieferern

Das Thema Predictive Maintenance spielt auch beim Pistenfahrzeughersteller PRINOTH eine zentrale Rolle.

 

Ab dieser Saison wird innerhalb des SNOW HOW Flottenmanagements auch ein Maintenance Tool verfügbar sein.

 

„Abhängig von den Betriebsstunden meldet das Fahrzeug Fahrern und Mechanikern, ob und wann Filter, Motoröl oder andere Verschleißteile gewechselt werden sollten“, berichtet Martin Kirchmair, Leiter der Forschungs- und Entwicklungsabteilung bei PRINOTH.

 

Der Kunde kann auch seine Erfahrung nutzen und eigene Wartungsschritte einplanen, etwa für Teile, die nur durch Sichtkontrollen geprüft werden können und deren Lebensdauer nicht vorgegeben ist (bspw. Gummibänder). Das System kann Hinweise und Indikatoren dazu liefern.

 

„Das oberste Ziel für PRINOTH ist, dass durch eine vorausschauende und gut geplante Wartung die Ausfallzeiten der Maschinen reduziert und somit Kosteneinsparungen für den Kunden erzielt werden“, so Kirchmair.

 

Noch in der Forschung stecken Sensoren für Hydraulikpumpen oder Lager, die neben der Lebensdauer auch das Verhalten – etwa Vibrationen und Geräusche – messen und damit den Verschleiß berechnen. „Hier arbeiten wir stark mit unseren Zulieferern zusammen, die ihre Teile genau kennen“, betont Kirchmair.

Zustandsorientierte Wartung

Neben PRINOTH hat auch Mitbewerber KÄSSBOHRER eine Instandhaltungssoftware auf dem Markt gebracht. SNOWsat Maintain soll nicht nur den Service von Pistenmaschinen, sondern auch von Beschneiungsanlagen und Seilbahnen erleichtern.

 

Bereits jetzt können in Pisten- Bullys Wartungszyklen hinterlegt werden, die sich anhand von Betriebstunden und Nutzungsgrad beim Betreiber melden.

 

„Innerhalb der nächsten zwei Jahre werden wir in Zusammenarbeit mit unseren Kunden auch Conditional Based Maintenance umsetzen. Dabei sagen uns Sensoren, in welchem Zustand sich etwa Pumpen befinden und ob und wann sie ausgetauscht werden müssen“, betont Karl Dieing, Leiter Informationstechnologie bei KÄSSBOHRER.

 

Die langfristige Vision ist eine offene Plattform mit standartisierten Schnittstellen, in die jede IoT-Lösung (Internet of Things) integriert werden kann.

Know-how aus der Windkraftbranche

Predictive Maintenance ist auch bei Seilbahnen Thema.

 

LEITNER ropeways setzt die Methode vor allem bei den Kugellagern des Motors und der Seilscheibe ein: „Mittels eingebauter Sensoren können wir hier die Vibrationen laufend remote überwachen. Wichtig ist hierbei Daten zu sammeln und diese in einer Datencloud zu analysieren“, berichtet Peter Rabanser, Director Customer Service bei LEITNER ropeways.

 

Der Hersteller setzt neuerdings auch die akustische Analyse ein, das heißt, dass er mittels Mikrofone die Geräuschemissionen prüft. Das Know-how für Predictive Maintenance kommt vor allem aus dem Tochterunternehmen LEITWIND, das im Bereich der Windkraftanlagen seit einigen Jahren mit Predictive Maintenance arbeitet.

Seilbahnen mit Selbstdiagnose

DOPPELMAYR konzentriert sich derzeit auf die Optimierung der Seilbahnanlage, um Zeit- und Ressourcenaufwand zu minimieren.

 

„Mit der Seilbahnsteuerung Doppelmayr Connect wurden bereits sehr viele Aspekte dieser Selbstoptimierung umgesetzt. Der Alltag der Seilbahnbediensteten wurde deutlich vereinfacht“, berichtet Daniel Pfeifer, Leiter Elektrotechnik bei DOPPELMAYR/ GARAVENTA.

 

Der nächste Schritt des Herstellers ist – im Sinne von SMART Ropeway – die Selbstdiagnose. Das heißt, die Seilbahnanlage analysiert sich selbst und generiert Handlungsempfehlungen. Dabei wird der Betreiber hinsichtlich Betrieb und Instandhaltung geführt und unterstützt.

 

Das bringt eine Reduktion der laufenden Kosten und eine Erhöhung der Verfügbarkeit einer Seilbahnanlage, da Wartungs- und Instandhaltungsarbeiten besser geplant und zu Randzeiten durchgeführt werden können.

 

Hier wird in den nächsten Jahren einiges umgesetzt, so Pfeifer: „Als höchste Ausbaustufe sehen wir mitdenkende Maschinen, welche mit der peripheren Infrastruktur kommunizieren und sich praktisch autonom organisieren, wenn es zum Beispiel um die Ersatzteilbestellung oder die Einsatzplanung von Servicepersonal geht.“

Ausblick: Horizontale Digitalisierung

Zusammenfassend sind die Ansätze in der Seilbahnbranche zu Predictive Maintenance vielversprechend, in den nächsten Jahren werden große Meilensteine erwartet. Damit die vorausschauende Wartung wirklich greift muss jedoch die horizontale Digitalisierung (Datenaustausch über die gesamte Wertschöpfungskette) weiter vorangetrieben werden.

 

Planer, Hersteller, Lieferanten, Betreiber und Behörden müssen dabei noch viel enger zusammenarbeiten, wie Marco Zgraggen von REMEC resümiert: „Das ist wohl die größte Herausforderung!“ ts