Predictive Maintenance

Bonfiglioli und Schaeffler entwickeln kostensenkende Lösung für Azimut-Antriebe

| Redakteur: Sariana Kunze

Bonfiglioli und Schaeffler haben eine Predictive-Maintenance-Lösung für Azimut-Antriebe von Windenergieanlagen entwickelt.
Bonfiglioli und Schaeffler haben eine Predictive-Maintenance-Lösung für Azimut-Antriebe von Windenergieanlagen entwickelt. (Bild: Bonfiglioli)

Mit einer Entwicklungspartnerschaft haben Bonfiglioli und Schaeffler gemeinsam eine Predictive-Maintenance-Lösung für Azimut-Antriebe von Windenergieanlagen erarbeitet, die die Betriebskosten halbieren kann.

Bonfiglioli und Schaeffler geben das Ergebnis der gemeinsamen Entwicklungspartnerschaft bekannt: Torque Sense- und Smartcheck-Sensoren von Schaeffler erfassen Drehmoment-, Geschwindigkeits-, Vibrations- und Temperaturinformationen. Diese Daten werden über ein Gateway übertragen und mithilfe von Algorithmen kombiniert und verarbeitet, die Bonfiglioli speziell für diese Anwendung entwickelt hat. Anschließend können die Anwender die Daten auf der Bonfiglioli Cloud-Plattform nutzen. Über das Bonfiglioli Dashboard werden die gesammelten Informationen für den Bediener übersichtlich dargestellt. Wartungsmaßnahmen können so belastungsorientiert vorgenommen und die ungeplanten Stillstandzeiten der Anlage minimiert, die Betriebskosten sogar mehr als halbiert werden, beschreibt Bonfiglioli.

Zustandsüberwachung: Getriebemotor unter Beobachtung

Mit der entwickelten Lösung für Azimut-Antriebe gelingt die Zustandsüberwachung.
Mit der entwickelten Lösung für Azimut-Antriebe gelingt die Zustandsüberwachung. (Bild: Bonfiglioli)

Im Bonfiglioli Dashboard kann das Bedienpersonal aufgrund der Datenlage eine kontinuierliche Kontrolle des Zustandes des Getriebemotors vornehmen, ebenfalls erfolgt eine Abschätzung der Restlebensdauer des Antriebs. Abnormales Verhalten des Azimut-Antriebs wird ebenfalls gemeldet wie kritische Zustände. Auf dieser Basis können die Wartungsintervalle auf den tatsächlichen Bedarf optimiert und notwendige Reparaturen zu passenden Zeiten vorgenommen werden. Gleichzeitig kann die Ansteuerung der Antriebe optimiert werden, wodurch Überlastungen vermieden werden. Ein Ergebnis ist die Reduzierung ungeplanter Ausfallzeiten oder umgekehrt, die deutliche Steigerung der Wirtschaftlichkeit einer Anlage.

Predictive Maintenance: So überwachen Sensoren Windkraftanlagen in Echtzeit

Sensorik

Predictive Maintenance: So überwachen Sensoren Windkraftanlagen in Echtzeit

25.01.19 - Blitzschläge, defekte Rotorblätter oder Turmbewegungen sind der Grund dafür, dass Windkraftanlagen permanent in Echtzeit überwacht werden müssen. Predictive Maintenance spielt in diesem Zusammenhang eine wichtige Rolle. Wir erklären, wie präzise Sensorik nicht nur ein rechtzeitiges Abschalten gewährleistet, sondern auch die Kosten für Wartung und Instandhaltung reduziert. lesen

Predictive Maintenance senkt Kosten um bis zu 60 Prozent

Konkrete Zahlen am Beispiel einer 2,3 Megawatt Windenergieanlage machen dies deutlich, wie Gaetano Ciaravella, Mechatronics & IoT Manager bei Bonfiglioli, berichtet: „Aktuell sinkt die zeitliche Verfügbarkeit einer Windenergieanlage von 95 Prozent im ersten Jahr auf 82 Prozent im 20. Lebensjahr mit einem Median von 88,5 Prozent. Gleichzeitig sinken auch die Erträge einer Windenergieanlage aufgrund sinkender kWh-Preise um etwa 7 Prozent pro Jahr. Die Betriebskosten machen ca. 75 Prozent der gesamten Erstinvestition in den 20 Lebensjahren aus. Ungefähr 50 Prozent der Betriebs- und Wartungskosten entfallen auf nicht geplante Eingriffe. Konkret heißt dies, dass für einen 2,3 Megawatt Windgenerator in 20 Jahren Betriebskosten in Höhe von ca. 1,6 Mio. Euro veranschlagt werden, von denen bis zu 1,1 Mio. Euro auf außerplanmäßige Reparatur und Wartung zurückzuführen sind. Mit einer relativ geringen Investition in das System aus der Kooperation von Bonfiglioli und Schaeffler können die Betriebskosten also um bis zu 60 Prozent gesenkt werden.“

In der Realität wird es laut Unternehmen weitere Vorteile geben, die sich aufgrund der verfügbaren Daten bislang nur schwer quantifizieren lassen. Sie sollen sich aus der Möglichkeit ergeben, die elektronischen Antriebe in Bezug auf Umgebungs- und Betriebsbedingungen (z. B. Temperaturen, Windstunden/Jahr usw.) anzupassen, was sich direkt und positiv auf die Produktivität des Windgenerators auswirken soll.

BuchtippDas Fachbuch „Data Analytics" bietet nicht nur einen guten Überblick zu den in Produktion und Logistik anwendbaren Data Mining Algorithmen, sondern liefert auch konkrete Use Cases, die mit diesen Algorithmen erfolgreich umgesetzt werden können.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 46067081 / Elektromotoren)