Laufzeit: 01.02.2022 - 31.01.2025
Projektpartner: Fraunhofer EMFT, Klüber Lubrication München SE & Co. KG, Josef Bernbacher & Sohn GmbH & Co. KG
Schmieröle leisten einen wesentlichen Beitrag zur Reibungsminimierung und gewährleisten damit einen sicheren Betrieb von Produktionsanlagen. Die abfallende Leistungsfähigkeit der Schmieröle soll mittels Sensorik und Machine-Learning-Methoden erkannt und der Zeitpunkt für einen Ölwechsel prognostiziert werden.
Schmieröle zeigen im Verlauf der Anwendung eine abfallende Leistungsfähigkeit, die auf intrinsischen Eigenschaften beruhen kann. Dazu zählen die Alterung der Grundöle, der Abbau der enthaltenen Additive, aber auch externe Einflüsse wie der Eintrag von Fremdstoffen. Die sinkende Leistungsfähigkeit führt unweigerlich zu einem Ausfall der Maschine, sofern das Öl nicht rechtzeitig ersetzt wird. Stand heute wird dies durch externe Laboranalysen verhindert, die in regelmäßigen Zeitintervallen eine verlässliche Aussage über den Zustand des Schmieröls geben. Dabei wird eine Vielzahl an verschiedenen Einflussgrößen direkt oder indirekt chemisch-analytisch bestimmt.
Im Sinne einer nachhaltigen, ressourcenschonenden Wirtschaft ist es notwendig, diese Analysen zu reduzieren und gleichzeitig die Lebensdauer eines Schmieröls optimal auszunutzen. Daneben ist auch die Korrelation zwischen der Leistungsaufnahme der Anlage und der Ölalterung zu berücksichtigen, um eine Abwägung zwischen Weiterverwendung und Tausch des Öls wirtschaftlich abwägen zu können.
Es gibt bereits Ansätze, ausgewählte Parameter mittels Sensorik kontinuierlich zu überwachen, um die zeitintensiven und daher relativ selten durchgeführten Laboranalysen zu ersetzen. Bei Überschreiten eines festgelegten Wertelimits erhält der Anwender eine Warnung mit Handlungsempfehlung. Notwendig dafür sind: Eine geeignete Sensorik, eine abgesicherte IT-Infrastruktur sowie eine verlässliche Korrelation der Sensor- und Labordaten zur Festlegung geeigneter Limits. Entsprechende Ansätze werden unter dem Begriff nline-Condition-Monitoring zusammengefasst. Dieses Vorgehen betrachtet nur die aktuellen und vergangenen Werte. Der Schritt zu einem vorausschauenden, einem sogenannten Predictive-Maintenance-Ansatz soll in diesem Vorhaben untersucht werden.