Bei der vorausschauenden Wartung (Predictive Maintenance) nehmen Sensoren, die Beschleunigungs- und Neigungswerte erfassen, eine Schlüsselrolle ein. Um ungeplante Ausfallzeiten von Maschinen zu verhindern, eignen sich vor allem miniaturisierte MEMS-Inertialsensoren, die auf HARMS- und AIM-Technologie basieren.

Für jeden Ingenieur ist es ein Alptraum, wenn eine Maschine oder eine Turbine unverhofft ausfällt. Das bedeutet ungeplante Stillstandszeiten und eine Störung von Betriebsabläufen. Vor allem in vernetzten Produktionsumgebungen kann dies Prozessketten empfindlich beeinträchtigen. Doch auch in der Energie- und Wasserversorgung sowie der Gebäudetechnik ist es wichtig, Fehlfunktionen und Schäden proaktiv zu erkennen. Damit keine ungeplanten Ausfallzeiten auftreten, setzen immer mehr Unternehmen auf die vorausschauende Wartung, auch als Predictive Maintenance bekannt.

Ergänzendes zum ThemaTechnik im DetailMEMS-Inertialsensor kurz erklärt Ein MEMS-Inertialsensor, der mithilfe von HARMS und AIM gefertigt wird, besteht aus drei Hauptbestandteilen. Das Herzstück ist das monokristalline Silizium-Sensorelement. Es handelt sich um ein Feder-Masse-System mit Silizium-Stegen mit einer Breite von wenigen μm. Tritt eine Beschleunigung auf, wird eine Masse ausgelenkt, die auf Federn befestigt ist. Ein applikationsspezifischer IC (ASIC) erfasst die Änderung der Kapazität und leitet sie zur Auswertung weiter. Der IC ist für die Evaluierung und Verarbeitung der kapazitiven Signale zuständig. Wichtig ist, dass der ASIC eine optimale Unterstützung des nominalen und differenziellen Kapazitätsspektrums bietet und zudem für einen hohen Dynamikbereich ausgelegt ist. Die ICs von Herstellern wie First Sensor verfügen über konfigurierbare Input-/Output-Filter und eine SPI-Schnittstelle (Serial Peripheral Interface). Das SPI erlaubt es, die Sensordaten auszulesen und das Sensor-ASIC-System zu konfigurieren.

Ein MEMS-Inertialsensor, der mithilfe von HARMS und AIM gefertigt wird, besteht aus drei Hauptbestandteilen. Das Herzstück ist das monokristalline Silizium-Sensorelement. Es handelt sich um ein Feder-Masse-System mit Silizium-Stegen mit einer Breite von wenigen μm. Tritt eine Beschleunigung auf, wird eine Masse ausgelenkt, die auf Federn befestigt ist. Ein applikationsspezifischer IC (ASIC) erfasst die Änderung der Kapazität und leitet sie zur Auswertung weiter. Der IC ist für die Evaluierung und Verarbeitung der kapazitiven Signale zuständig. Wichtig ist, dass der ASIC eine optimale Unterstützung des nominalen und differenziellen Kapazitätsspektrums bietet und zudem für einen hohen Dynamikbereich ausgelegt ist. Die ICs von Herstellern wie First Sensor verfügen über konfigurierbare Input-/Output-Filter und eine SPI-Schnittstelle (Serial Peripheral Interface). Das SPI erlaubt es, die Sensordaten auszulesen und das Sensor-ASIC-System zu konfigurieren.

Eine Schlüsselrolle spielen dabei Sensoren, die Beschleunigungs- und Neigungswerte erfassen. Für solche Anwendungen eignen sich vor allem Sensoren in Form von miniaturisierten MEMS (Micro Electromechanical Systems) Inertialsensoren. Mit Predictive Maintenance lassen sich so Prognosen erstellen, wann Instandhaltungsarbeiten notwendig sind. Die Grundlage bilden Daten von Sensoren, mit denen Maschinen, Motoren und andere Komponenten ausgestattet sind. Diese benötigten Daten lassen sich mithilfe von kapazitiven MEMS-Inertialsensoren auf Basis von Silizium erfassen. Dabei sind drei Versionen verfügbar: Surface-Micro-Machining, Bulk-Micro-Machining sowie HARMS/AIM-Technologie.

Surface-Micro-Machining kommt vor allem im Konsumgüterbereich zum Einsatz, etwa bei Smartphones und Airbags. Zu den Vorteilen des Verfahrens zählt, dass kleine Chips und geringe Ätztiefen ausreichen. Das wirkt sich günstig auf die Kosten aus. Ein Nachteil sind die hohen Rauschwerte, ein weiterer die geringe Stabilität. Hinzu kommt, dass in Surface-Micro-Machining-MEMS kleine Kondensatoren verbaut werden. Das begrenzt den kapazitiven Erfassungsbereich.

MEMS auf Basis des Bulk-Micro-Machining-Verfahrens sind mit großen Kondensatoren ausgestattet, die einen hohen Erfassungsbereich sicherstellen. Zudem weisen solche Sensoren einen hohen Signal-Rauschabstand auf. Ein Nachteil ist der hohe Preis, der unter anderem auf das Tiefätzen der Strukturen auf dem Chip zurückzuführen ist. Daher eignen sich solche Sensoren vor allem für Marktsegmente wie die Luft- und Raumfahrt.

Die MEMS-Inertialsensoren des deutschen Sensorikherstellers First Sensor aus Berlin kombinieren die Vorteile von Surface- und Bulk-Micro-Machining, denn sie beruhen auf zwei MEMS-Technologien:

Whitepaper zu Predictive Maintenance veröffentlicht

Das Ergebnis sind Sensoren, die große Kondensatorflächen und einen umfangreichen Erfassungsbereich bieten, außerdem einen größeren Signal-Rauschabstand sowie eine hohe Auflösung. Als Neigungssensoren mit Messbereichen von ±30° erreichen sie dadurch eine Rauschdichte < 0,0004°/√Hz und Auflösungen < 0,0015° bei einer Messfrequenz von 10 Hz. Als Beschleunigungssensoren eingesetzt, bieten die MEMS Messbereiche von ±3 g, ±8 g sowie ±15 g und erreichen eine Rauschdichte < 30 µg/√Hz und Auflösungen < 40 bis 95 µg bei einer Messfrequenz von 10 Hz. Im Vergleich zu Bulk-Micro-Machining liegen die Kosten von MEMS-Inertialsensoren auf Basis von HARMS und AIM im mittleren Bereich. Dadurch kommen sie auch für Marktsegmente in Betracht, in denen der Preis eine wichtige Rolle spielt, etwa der Industrieautomation.

Wie sich MEMS-Inertialsensoren auf Basis der HARMS- und AIM-Technologie einsetzen lassen, zeigt das Structural Health Monitoring von Windkraftanlagen. Die Betreiber erfassen mithilfe von Inertialsensoren Daten zu den Schwingungen des Turms, der Gondeln und der Rotorblätter und übermitteln die Informationen an eine Leitstelle. Außerdem messen die Systeme Veränderungen des Fundaments der Kraftwerke. Hierfür eignen sich vor allem MEMS-Inertialsensoren mit einer Messfrequenz von mehr als 6 Hz. Sie registrieren auch minimale Schwankungen des Turms sowie Schwingungen des Getriebelagers und der Hauptwelle. Dadurch erhalten die Anwender in der Leitstelle frühzeitig Informationen darüber, ob sich Schäden an einer Komponente anbahnen. Vergleichbare Anwendungsszenarien sind ebenfalls in vernetzten Fertigungsumgebungen und dem Logistiksektor vorhanden.

Es wird deutlich, dass MEMS-Inertialsensoren ein wichtiges Element einer Predictive-Maintenance-Strategie sind. Die Hersteller und Anwender von Maschinen und Anlagen sollten allerdings prüfen, ob diese Sensor-Systeme die Anforderungen im Bereich vorausschauende Wartung erfüllen, etwa in puncto Messgenauigkeit, Zuverlässigkeit und Preis-Leistungsverhältnis. Es kann sich daher lohnen, für solche Einsatzzwecke Lösungen auf Basis der HARMS- und AIM-Technologie in Betracht zu ziehen.

Das Buch Industriesensorik beschreibt die Entwicklung und die praktische Anwendung der wichtigsten Sensoren. Durch anwendungsbezogene Fehleranalysen von Messsystemen, Sensoren und Sensorsystemen, jeweils ergänzt durch viele detaillierte, vollständig durchgerechnete Anwendungsbeispiele, eignet sich das Buch nicht nur für Studenten, sondern auch für Ingenieure und Techniker verschiedener Fachrichtungen.

* Dr. Thomas Frasch, Product Manager bei First Sensor

Die gute alte SPS – endlich fit machen mit IIoT-Technologien

Verhindern, dass die Maschine stehen bleibt

Cookie-Manager Leserservice Abo Datenschutz AGB Abo-Kündigung Werbekunden-Center Impressum Mediadaten Hilfe Autoren

Copyright © 2022 Vogel Communications Group

Diese Webseite ist eine Marke von Vogel Communications Group. Eine Übersicht von allen Produkten und Leistungen finden Sie unter www.vogel.de