Verbrauchsdaten sind somit nicht mehr nur Indikatoren für das Berichtswesen, sondern werden zu konkreten Instrumenten für operative Entscheidungen. Der Vergleich zwischen Maschinen, Produktionsbereichen und Schichten macht Auffälligkeiten sofort sichtbar. Gleichzeitig lässt sich nachvollziehen, ob Wartungsmaßnahmen, der Austausch von Komponenten oder Prozessanpassungen tatsächlich eine Verbesserung bewirken.
Fortunato fasst diesen Schritt prägnant zusammen: „Wir wissen jetzt, wo wir eingreifen müssen, und können datengestützte Entscheidungen treffen, anstatt uns auf Schätzungen zu verlassen.“ Ein Durchschnittsverbrauch, der zuvor schwer zuzuordnen und daher kaum zu steuern war, wird so zu einer kontrollierbaren Größe. Gleichzeitig wird aus reaktiver Fehlersuche ein systematischer Optimierungsprozess.
Von den Daten
zum Gesamtüberblick
Damit die von den Sensoren erfassten Daten einen echten Mehrwert schaffen können, reicht es nicht aus, sie lediglich zu erfassen: Sie müssen verarbeitet und leicht interpretierbar gemacht werden. Diese Aufgabe übernimmt bei Cleaf die IIoT-Plattform Moneo von ifm. Sie erfasst die Daten, speichert sie strukturiert und stellt sie über intuitive Dashboards zur Analyse und Auswertung bereit. Gleichzeitig ermöglicht das System eine kontinuierliche Echtzeit-Überwachung und meldet automatisch, wenn Grenzwerte überschritten oder nicht erreicht werden.
Moneo wurde entwickelt, um die Maschinenüberwachung, die Prozessoptimierung und eine besser planbare Instandhaltung zu unterstützen. Die Dashboards bieten einen klaren Überblick über den momentanen und kumulierten Verbrauch, zeitliche Trends sowie mögliche Anomalien und verwandeln eine Vielzahl von Messpunkten in ein kohärentes Bild des Anlagenverhaltens. Die einfache, stabile und reproduzierbare Lösung lässt sich laut Bruno Bonfiglio, Maintenance Support Specialist bei Cleaf, leicht auf mehrere Werke und Anwendungen übertragen.
Wenn Daten die
Instandhaltung steuern
Um den Zustand von Antrieben und kritischen Aggregaten zu überwachen, setzt Cleaf zudem Schwingungssensoren von ifm ein. Insbesondere bei Ventilatoren und Motoren lassen sich durch eine Schwingungsanalyse Verschleißanzeichen oder mögliche Ausfälle frühzeitig erkennen.
Viele mechanische Störungen äußern sich nämlich nicht durch plötzliche Ausfälle, sondern durch allmähliche Veränderungen der Schwingungsmuster, die beispielsweise auf Unwuchten, Lagerverschleiß oder erhöhte Reibung zurückzuführen sind. In diesem Zusammenhang beschränken sich die Sensoren nicht darauf, im Falle einer Störung einen Alarm auszulösen, sondern ermöglichen vor allem eine zustandsbasierte Instandhaltung der Maschinen.
Die Instandhaltung orientiert sich nicht mehr an Vermutungen oder festen Intervallen, sondern an objektiven Daten, die gezielte und rechtzeitige Maßnahmen ermöglichen, das Risiko ungeplanter Stillstände verringern und die Gesamtzuverlässigkeit der Anlage optimieren.
Fortschrittliche Überwachung
für rotierende Maschinen
