Das Besondere des Wearwatchers sind die Algorithmen

Wie weit ist die Entwicklung der zustandsorientierten Instandhaltung? Die fünfte Hardware-Generation des Wearwatcher der Firma Henning soll den tatsächlichen Verschleiß von Komponenten lokal am Aufzug erkennen können – ohne Verbindung zur Cloud.

Einige raffinierte Designkonzepte, gepaart mit künstlicher Intelligenz, sind dem Ziel der zustandsorientierten Instandhaltung (Predictive Maintenance) schon bedeutend nähergekommen. Sie können den tatsächlichen Verschleiß der Komponenten erkennen. Die fünfte Hardware-Generation des Wearwatcher hat die Leistungsfähigkeit, solche Designkonzepte lokal am Aufzug umzusetzen – ohne, dass eine Datenverbindung zur Cloud notwendig ist.

Die Digitalisierung im Aufzugsmarkt schreitet voran. Noch beschränkt sich IIot (Industrial Internet of Things) für Aufzüge oft auf Monitoring-Funktionen, die auch mit der Fernanbindung einer Steuerung zu erreichen wären.

Jahrelange Erfahrung

Schon im Jahre 2004 entwickelte die Henning GmbH & Co. KG das erste Condition Monitoring Gerät für Aufzüge in Zusammenarbeit mit der Fa. BASF. Das war lange, bevor mit "Industrie 4.0" die intelligente Sensordatennutzung für die Maschinenüberwachung und -instandhaltung einen Namen bekam. Der Vorläufer des ersten Wearwatcher-Systems war allerdings zu früh am Markt und dieser regelt sich bekanntlich selbst: Ein Angebot erzeugt noch lange keine Nachfrage.

Trotzdem hat Henning das Condition Monitoring für Aufzüge weiterverfolgt. 2012 haben wir es auf Basis inzwischen verfügbarer Technologien und Konzepte neu konzipiert. Dabei hat uns die jahrelange Erfahrung in der Beschleunigungs- und Lastmesstechnik für Aufzüge geholfen und hatte entscheidenden Einfluss auf die Entwicklung neuartiger Algorithmen zur Verschleißerkennung.

Preiswerter und effizienter

Zahlreiche statistische Indikatoren bis hin zu Datenpunkten wie Schachteffizienz und Treibfähigkeit bieten bereits hilfreiche Monitoringfunktionen... Foto: © Henning GmbH & Co. KG

Je komplexer und intelligenter Algorithmen werden, umso größer ist auch der Ressourcenbedarf vor allem bei der Rechenleistung. Um ausreichende Rechenleistung für die aktuellen Neuronalen Netze bereit zu stellen, wird in der Regel auf die Cloud ausgewichen. Dort werden auch die notwendigen Daten ("big data") gespeichert, die benötigt werden, um die Neuronalen Netze zu erzeugen.

Dieses Konzept hat ein entscheidendes Manko: Die Rohdaten aller Sensoren müssen zuerst in die Cloud transportiert werden. Das ist mit M2M-Mobilfunklösungen teuer und oft deutlich ineffizienter als etwa die normale monatliche Aufzugswartung.

Echtes "Edge-Computing"

Sogenanntes "Edge-Computing" verspricht Abhilfe. Dabei werden die Daten bereits im Gerät an der Aufzuganlage verarbeitet. Oft ist dies nur eine Vorverarbeitung der Daten, die komprimiert oder gefiltert werden. Das Datenaufkommen sinkt zwar, aber es werden immer noch hunderte bis tausende von Megabyte über die Mobilfunkverbindung verschickt.

Die Lösung dafür ist "echtes Edge-Computing" in der Form, mit der tatsächlich fast die komplette Datenverarbeitung im Gerät stattfindet. Dabei werden nur die Alarme, Wartungshinweise und ggf. Statistiken in die Cloud geschickt. Das ist möglich, auch wenn sich bei Neuronalen Netzen sofort die Frage stellt, wie das ohne "Big Data-Zugriff funktionieren soll.

Die Antwort ist: gar nicht! Denn die Datenflut wird "nur" für die Erzeugung der Neuronalen Netze benötigt, aber nicht für deren Ausführung. Es reicht also, zu bestimmten Zeitpunkten die Datenmassen in der Cloud zu halten. Sobald die neuronalen Netze geformt und trainiert sind, braucht man nur noch die Daten des Untersuchungsobjektes (in diesem Fall des spezifischen Aufzugs) und großzügige Rechenleistung.

Das Besondere sind die Algorithmen

Unter diesen Gesichtspunkten ist die fünfte Hardware-Generation des Wearwatcher entstanden. Das Gerät ist ein auf den spezifischen Anwendungsfall "Aufzug" designtes und hochintegriertes Board. Es integriert die neuesten Chips namhafter Hersteller wie NXP.

Die 64bit ARM-Architektur hat:
- bis zu vier Kernen mit je 1,8GHz Prozessortakt
- mit zusätzlichen 32bit Echtzeit-CPUs und FPGAs,
- einen extrem schnellen LPDDR4 Arbeitsspeicher,
- ein integriertes Modem und eine
- optionale NPU.

Damit können Neuronale Netze und andere intelligente Algorithmen direkt auf dem Gerät ausgeführt und mit dem integrierten LTE-Modem nur die Benachrichtigungen an die Cloud gesendet werden.

Algorithmen erkennen Verschleiß

… den wirklichen Mehrwert bietet aber die zustandsorienterten Instandhaltung, die der WEARwatcher mit seiner automatischen Verschleißüberwachung erzeugt. Foto: © Henning GmbH & Co. KG

Viele Geräte bieten Monitoring-/ Statistikinformationen und Aufzugwärterfunktionalitäten (Fahrten- und Türspielzähler, Haltestellen- und Auslastungsstatistiken, Tür- und Fahrtzeiten, Bündigkeiten etc.). Das Besondere des Wearwatcher sind die Algorithmen. Diese erkennen dank der leistungsfähigen Hardware direkt am Aufzug den Verschleiß von Komponenten und kommunizieren diesen samt Handlungsempfehlungen über die Cloud an den Benutzer.

Das ist die Grundlage für eine zustandsorientierte Instandhaltung (Predictive Maintenance). Das Gerät erkennt vollautomatisch und zuverlässig sogar Verschleißerscheinungen, die der Monteur vor Ort anfangs kaum feststellen kann – etwa den beginnenden Verschleiß in einer Treibscheibenrille, der direkt mit einem massiven Seilverschleiß einhergehen wird.

Dazu kommt das Monitoring von sicherheitsrelevanten Faktoren, wie die Überwachung der Wirksamkeit der diversen Bremseinrichtungen eines Aufzuges und der Treibfähigkeit.

Von Tim Ebeling
Der Autor ist Geschäftsführer und Entwicklungsleiter der Henning GmbH & Co. KG

Weitere Informationen: wearwatcher.com