Messwerte über die Betriebszeit. Auch hier wurden die Datensätze zur Ermittlung der zu erwartenden Restnutzungsdauer mittels Regressionsanalyse untersucht. In Tabelle 5 sind die ermittelten Bestimmtheitsmaße und die Gleichungen den Regressionstypen zugeordnet. Die polynome Regressionsgleichung vomGrad 5 (Abb. 5, Bestimmtheitsmaß (R2) bei 0,982) deckt relativ genau die gemessenen Werte ab. Ebenfalls in diesem Vergleich wurde auf Basis der über die Regressionsanalyse ermittelten Funktionsgleichungen eine Restnutzungsdauerprognose berechnet. Die berechneten Betriebsstundenwerte, an denen die Funktionsgleichungen die Signal- und Verschleißgrenzen erreichen, sind für das ausgewählte Polynom 5. Grades in Tabelle 6 dargestellt. Die Abhängigkeit ist hier komplexer. Für eine adäquate Prognose der Restnutzungsdauer auf Basis der Messwerte und der Summenwerte des Hüllkurvenspektrums muss ein Polynom5. Grades herangezogen werden. Mit dementsprechenden Gleichungsansatz lässt sich für die Maschine das Erreichen der Signalgrenze in ca. 180 Betriebsstunden und das Erreichen der Verschleißgrenze in ca. 591 Betriebsstunden definieren. Analog zur definierten Betriebszeitannahme von ca. 300 Betriebsstunden pro Monat wird die Signalgrenze bereits nach weniger als einem Monat und die Verschleißgrenze nach weniger als zwei Monaten erreicht werden. Diskussion der Ergebnisse und Ausblick Die zustandsbasierte Instandhaltungsmethode stellt eine geeignete Basis für die Bildung von Entscheidungsgrundlagen in der Instandhaltung der Wasserproduktion dar. Gleichwohl führt diese Methode nur unter richtiger Anwendung der verfügbaren Werkzeuge zum Ziel. Die richtige Kombination aus Datengewinnung, Datenaufbereitung und Weiterverarbeitung bildet hierbei den Schlüssel zum Erfolg. Die eingeführte Kombination aus Regressionsanalyse und Extrapolation der Funktionsgleichungen bietet weitere Perspektiven für die Instandhaltung. Mittels technischer Diagnoseverfahren werden zustandsbeschreibende Messdaten erhoben. Bei der Datengewinnung muss der Aufwand gegenüber deren Nutzen gestellt werden und der Gesamtzustand einer Betrachtungseinheit muss im Fokus stehen. Während die Schwingungsdiagnose konkrete Schadensinformationen zu Bauteilen darstellen kann, dient die Temperaturmessung als Gesamtindikator über eine Baugruppe. Für eine OnlineÜberwachung reicht die Temperaturmessung bereits aus, um objektivierte Instandhaltungsentscheidungen über die weitere Vorgehensweise treffen zu können. Für die Datenspeicherung kann eine geeignete, auf Basis der Anlagenstruktur entwickelte Datenbank in einem Instandhaltungs-Managementsystem genutzt werden. In der Datenbank werden die ermittelten Zustandsinformationen objektspezifisch abgelegt und stehen somit strukturiert für die Weiterverarbeitung zur Verfügung. Zur Objektivierung der Zustandsinformationen liegt die Aufgabe darin, funktionale Abhängigkeiten zu erkennen und schließlich durch probate mathematische Funktionen abzubilden. Sofern passende Abhängigkeiten zwischen der zustandsbeschreibenden Information und einer weiteren messbaren Information (wie z. B. BeRegressionstyp Signalgrenze [h] RND* [h] Verschleißgrenze [h] RND* [h] lineare Regression 14.238 5.064 22.106 12.932 exponentielle Regression 11.988 2.815 15.225 6.051 polynome Regression (Grad 2) 11.029 1.855 13.904 4.730 polynome Regression (Grad 3) 10.215 1.042 11.814 2.640 polynome Regression (Grad 4) 9.610 436 10.374 1.200 polynome Regression (Grad 5) 9.354 180 9.765 591 * RND = Restnutzungsdauer Tabelle 6: Restnutzungsdauer Wälzlagerzustand über Summenwertentwicklung des Hüllkurvenspektrums Quelle: eigene Darstellung 18 energie | wasser-praxis 01/2023 T E C H N I K
RkJQdWJsaXNoZXIy ODQwNjM=