Een klein putje in een tandwiel kan op den duur enorme schade aan grote machines opleveren. Maar als je het tijdig ontdekt kun je al die ellende vóór zijn. Dit ‘voorspellend onderhoud’ is doorslaggevend in de beschikbaarheid van grote machines en cruciale systemen.
Dat zien we bijvoorbeeld in de impact hiervan op de uptime en levensduur van windturbines. Het baanbrekende onderzoek dat Dr. Ing. Martin Dazer van de Universiteit van Stuttgart daarnaar heeft gedaan stond centraal in een van de keynotes tijdens Holland Innovative’s recente Reliability Symposium. Dazers inzichten, afkomstig uit intensief onderzoek en vele praktische toepassingen, zijn essentieel bij de transformatie van industrieën die afhankelijk zijn van deze systemen.
Waarom is dit belangrijk?
Dr. Dazer’s presentatie op het Holland Innovative evenement toonde het grote potentieel aan van voorspellend onderhoud en adaptieve bedrijfsstrategieën voor krachtige aandrijflijnen. Naarmate industrieën deze innovaties gaan omarmen, belooft de toekomst meer efficiëntie, betrouwbaarheid en duurzaamheid in hoog-vermogen toepassingen.
“De betrouwbaarheid van aandrijflijnen met een hoog vermogen, zoals in windturbines maar ook in toepassingen voor de auto-industrie, is van cruciaal belang. Storingen kunnen leiden tot stilstand en aanzienlijke financiële verliezen,” benadrukte Dr. Dazer aan het begin van zijn presentatie. Hij ging dieper in op de gevolgen van voorspellend onderhoud voor innovatieve bedrijfsstrategieën zoals die rond aandrijflijntechnologie.
Het werk van Dr. Dazer richt zich op het vroegtijdig opsporen en voorspellen van systeemstoringen met behulp van geavanceerde modelleringstechnieken en machine learning. Hij liet zien dat ongeveer 70% van de defecten in de aandrijflijn optreedt, waarvan 30% in de versnellingsbak en generator. Dit cruciale inzicht onderstreept het belang van robuuste voorspellende onderhoudssystemen.
Centraal in Dazers presentatie stond de introductie van een nieuw programmapakket met de naam Realist. Deze tool maakt gebruik van Monte Carlo simulaties om de systeembeschikbaarheid te modelleren en aan te passen, en biedt een geavanceerde aanpak om betrouwbaarheid en onderhoudskosten effectief in balans te brengen.
Vitaal belang
Dazer ging vervolgens dieper in op de bijzonderheden van voorspellend onderhoud en legde uit hoe dit de vroegtijdige detectie van potentiële storingen mogelijk maakt. Door de gezondheid van een systeem te monitoren en degradatieprocessen in kaart te brengen, is het mogelijk om de resterende nuttige levensduur van componenten te voorspellen. Deze mogelijkheid is van vitaal belang voor offshore windturbines, waar toegankelijkheidsproblemen de uitvaltijd kunnen verergeren en de energieproductie kunnen verlagen.
“We maken gebruik van hoogfrequente sensoren en modellen voor machinaal leren om minieme veranderingen in trillingsreacties te detecteren”, legde Dazer uit. “Deze methode stelt ons in staat om vroege tekenen van schade, zoals putjes in tandwieltanden, veel eerder te identificeren dan traditionele methoden.”
In praktijktesten detecteerde het team van Dr. Dazer met succes schade van slechts 0,4% van de tandflank, vergeleken met de 4% die doorgaans als een defect wordt herkend. Deze vroege detectie maakt een meer strategische onderhoudsplanning mogelijk, waardoor de stilstandtijd en de bijbehorende kosten aanzienlijk worden verminderd.
Innovatieve aanpak
Naast voorspellend onderhoud introduceerde Dr. Dazer een adaptieve bedrijfsstrategie die ontworpen is om de resterende nuttige levensduur van beschadigde componenten te maximaliseren zonder het afgegeven vermogen te verlagen. Bij deze innovatieve aanpak wordt het koppel gemoduleerd in een sinusfunctie over de omtrek van het tandwiel, waardoor de belasting op vooraf beschadigde gebieden wordt verminderd.
“Windturbines verminderen momenteel het afgegeven vermogen wanneer schade wordt gedetecteerd om de levensduur van componenten te verlengen”, legde hij uit. “Met onze strategie kunnen turbines hun volledige vermogen blijven leveren terwijl verdere schade wordt beperkt, waardoor de algehele efficiëntie toeneemt.”
Simulaties hebben aangetoond dat deze strategie de resterende levensduur van componenten met wel 45% kan verlengen, wat een aanzienlijk voordeel biedt voor exploitanten van windturbines.
Implicaties voor de industrie
Het onderzoek van Dazer heeft niet alleen gevolgen voor windturbines. De autoindustrie profiteert al van zijn betrouwbaarheidsmethodologieën, met name op het gebied van belastingsspectra en testplanning. Het Realist-programma en de voorspellende onderhoudstechnieken lijken game changers te worden in verschillende toepassingen waarvoor hoog vermogen een rol speelt.
Dr. Dazer en zijn team werken nu samen met grote bedrijven in de transmissie- en windturbinesector om deze innovaties in praktijkscenario’s te implementeren. Het doel is om autonome systemen te ontwikkelen die schade kunnen detecteren en de bedrijfsstrategieën kunnen aanpassen zonder menselijke tussenkomst.
Onder aan de streep heeft dat alles grote gevolgen voor de structurele beschikbaarheid van aandrijflijnen met een hoog vermogen. Naarmate industrieën deze innovaties blijven omarmen, komen meer efficiëntie, betrouwbaarheid en duurzaamheid – kortom: reliability – in toepassingen met een hoog vermogen binnen bereik.
Samenwerking
Als je dit artikel leuk vindt, lees dan ook:
