Der Anruf kam mitten in der Nacht: „Wir haben im gesamten Werk keine funktionierende Vakuumpumpe mehr! Dabei muss der Zug abfahren, sonst erzeugen wir Verspätung!“ Stillstand in einem Bahnbetriebswerk. Die geplante Bereitstellung eines ICEs verzögert sich. Die Kosten laufen. Pumpenmonitoring? Fehlanzeige.
Willkommen zur ersten Space Analysis!
Willkommen an Bord der ersten Mission im Smart Factory Cosmos! Mit dieser neuen Artikelserie starte ich eine Reise zu den faszinierendsten Konstellationen unseres Universums: Reale Anwendungsfälle und Use Cases aus dem Cosmos der Smart Factories und des Industrial IoT.
Die Mission der Space Analysis
In jeder Ausgabe nehme ich einen konkreten Anwendungsfall unter die Lupe, und zwar von der ersten Idee über die technische Architektur bis zu messbaren Ergebnissen. Dabei navigiere ich dich anhand bewährter Modelle und Architekturen (z.B. mein Vier-Ebenen-Modell) durch die Komplexität moderner IIoT-Systeme. Mein Ziel: Dir zeigen, dass solche Projekte machbar sind, Raum für Inspirationen zu bieten und konkrete Erkenntnisse für deine eigenen Vorhaben mitgeben.
Space Analysis bedeutet Machbarkeit, Inspiration & Erkenntnisse
Unser erster Stopp: Intelligentes Pumpenmonitoring
In dieser ersten Ausgabe betrachten wir die Digitalisierung von Pumpen. Was zunächst banal klingt, hat in vielen industriellen Anwendungen eine kritische Bedeutung. Deswegen widmet der Autor Dr. Christian Ellwein dieser Thematik mit „Digitalisierung von Verdichtern, Pumpen und Ventilatoren“ (ISBN 978-3-8007-4796-2; VDE Verlag) ein eigenes Fachbuch und zeigt systematisch auf, welche Parameter überwacht werden können und welche Fehlerbilder sich daraus ableiten lassen.
Ich kombiniere Ellweins fundierte technische Ansätze mit meinem Vier-Ebenen-Modell und zeige dir an einem konkreten Beispiel, wie Pumpenmonitoring von der Planung bis zur Umsetzung funktioniert.
Ein umfangreicher Use Case als Zweiteiler
Als ich diesem Artikel angefangen habe zu schreiben, wurde mir schnell klar, dass ein Pumpenmonitoring-Projekt mehr Facetten hat, als in einen Artikel passen. Vom Business Case über die Sensor-Auswahl bis zur Netzwerkarchitektur verdient jeder Aspekt eine fundierte Betrachtung. Meine Lösung: Eine zweiteilige Space Analysis.
Teil 1 (dieser Artikel): Planung & Business Case
- Warum lohnt sich Pumpenmonitoring?
- Welche Parameter überwachen wir?
- Welche Ziele verfolgen wir?
Teil 2 (nächster Artikel): Technische Umsetzung mit dem Vier-Ebenen-Modell
- Datenerfassung: Konkrete Sensor-Auswahl (inkl. Produktnummern & Kosten)
- Datentransfer: Netzwerkarchitektur (IT/OT-Trennung, MQTT)
- Datenhaltung und Datenauswertung mit einer IoT-Plattform-Lösung
- Lessons Learned & Herausforderungen
Keine theoretischen Konzepte, sondern eine 1:1-umsetzbare Lösung mit konkreten Produkten und Kosten.
Mission Objective – Warum dieser Anwendungsfall?
Wie eingangs erwähnt erscheint das Thema zunächst etwas banal. „Sind doch bloß Pumpen!“, möchte man meinen. Der Ursprung dieser Denkweise liegt sicherlich darin, dass die Anschaffungskosten gering sind. „Bau einfach drei Pumpen! Wenn eine kaputt ist, dann haben wir noch zwei.“ Solche Ansätze sind deswegen häufig anzutreffen. Eine Digitalisierung spielte bisher keine Rolle.
Doch dank gesunkener Preise für Sensoren sowie der benötigten Infrastruktur hat sich die Denkweise gewandelt. Zu der Erkenntnis kommt auch Ellwein im o.g. Buch. Doppelte und dreifache Redundanz ist mittlerweile im Verruf, verschwenderisch und nicht smart zu sein. Und genau da kommen unsere Lösungen ins Spiel: Ein Pumpenmonitoring.
Das Beispiel vom Anfang ist so natürlich nie passiert. Trotzdem existieren solche Vakuumanlagen in Bahnbetriebswerken für die Schmutzwasserentsorgung, vergleichbar mit der Entsorgung am Flugzeug. Und ein Ausfall eben dieser kann weitreichende Konsequenzen haben bis hin zu einer verspäteten Bereitstellung eines Zuges am Gleis. Deshalb ist es tatsächlich ein Anwendungsfall, der auch in meinem beruflichen Umfeld relevant ist.
Das typische Szenario in einem Instandhaltungswerk
Für diesen Artikel braucht es Fakten, die wir zugrunde legen. Dazu betrachten wir ein reales Szenario, das folgendermaßen aussieht:
- 10 Vakuumpumpen im Werk verteilt
- Wartung und Instandhaltung erfolgt reaktiv oder nach festen Intervallen
- Verfügbarkeit wird durch Überkapazität sichergestellt
- Fehlende Verfügbarkeiten führen zu Verzögerungen in der Fahrzeugbereitstellung
Angaben zu den Betriebskosten
Durch Ausfälle erzeugte Instandhaltungsmaßnahmen:
| Ungeplante Ausfälle | 2 pro Pumpe/Jahr |
| Kosten pro Instand- setzung | 5.000 € |
| Summe für 10 Pumpen/Jahr | 100.000 € |
Regelmäßige Wartungsarbeiten an den Pumpen:
| Intervalle für Wartung | 3 pro Pumpe/Jahr |
| Kosten pro Wartung | 2.000 € |
| Summe für 10 Pumpen/Jahr | 60.000 € |
Energieverbrauch von Pumpen:
| Leistung pro Pumpe | 3 kW |
| Durchschnittlich zusätzliche Leistung durch schleichenden Verschleiß | 1,5 kW |
| Betrieb in Stunden pro Jahr | 6.000 |
| Strompreis (Gewerbe) | 0,15 € |
| Energiekosten pro Pumpe/Jahr | 4.050 € |
| Summe für 10 Pumpen/Jahr | 40.500 € |
Daraus ergeben sich für die Gesamtheit aller Pumpen pro Jahr folgende Betriebskosten:
Die Pain Points
Problem 1: Ungeplante Ausfälle
Pumpenausfälle kommen überraschend und erfordern Notdiensteinsätze sowie Express-Beschaffung von Ersatzteilen. Dies führt zu Produktionsverzögerungen und hohen Mehrkosten.
Problem 2: Überwartung
Bei zeitbasierter Wartung werden Teile pauschal nach festen Intervallen unabhängig vom tatsächlichen Zustand getauscht. Dadurch werden funktionsfähige Komponenten verschwendet.
Problem 3: Ineffizienter Betrieb bleibt unerkannt
Schleichende Verschlechterungen (verschlissene Dichtungen, Lagerprobleme) werden erst spät bemerkt, was zu erhöhtem Energieverbrauch und reduzierter Leistung führt.
Problem 4: Überdimensionierung
Um Ausfälle abzufangen, werden deutlich mehr Pumpen vorgehalten als eigentlich benötigt. Das hat entsprechend höhere Kosten für Anschaffung, Wartung und Platzbedarf zur Folge.
Ziele für die Anwendung einer IIoT-Lösung
Aus den Problemen ergeben sich schließlich die Ziele, die wir mit einer IIoT-Lösung für das Pumpenmonitoring erreichen wollen:
- ⚠️ Ungeplante Ausfälle reduzieren
Von 2 pro Pumpe/Jahr auf ≤1 pro Pumpe/Jahr - 🔧 Wartungskosten senken
Von 60.000 €/Jahr auf 30.000 €/Jahr (-50%) - 🚨 Instandsetzungskosten senken
Von 100.000 €/Jahr auf 60.000 €/Jahr (-40%) - ⚡ Energieverbrauch optimieren
Von 40.500 €/Jahr auf 30.000 €/Jahr (-26%)
Die Gesamtkosten sollen somit von 200.500 € auf 120.000 € gesenkt werden. Das ist eine Reduzierung um 40 %.
Ohne wirtschaftliche Bewertung bleibt selbst die beste IIoT-Lösung nur ein Proof-of-Concept, der nie produktiv geht.
Mission Parameters – Welche Daten erfassen?
Die Mission Objectives geben uns nun einen guten Ansatz, sodass wir mit dem Lösungsdesign für das Pumpenmonitoring beginnen können. Dazu schauen wir uns zunächst eine Pumpe etwas näher an und welche relevanten Parameter wir erfassen können.
Teilen wir den Aufbau auf in Pumpe und Motor, dann können wir gezielt schauen.
Relevante Werte auf der Motorseite
Eine erhöhte Wicklungstemperatur deutet auf elektrische Probleme, Überlast oder Kühlprobleme hin und kann bis zu einem Motorschaden führen. Deswegen ist der Wert hoch kritisch und wird gewöhnlich über PT100/PT1000 Widerstandsthermometern gemessen, die in den Wicklungen eingebettet sind. Je nach Motortyp ist bei mehr als 80°C ein kritischer Bereich.
Die Wicklungstemperatur kann nur erfasst werden, wenn der Motor bereits ab Werk mit eingebetteten Temperatursensoren (z.B. PTC, PT100) ausgestattet ist. Ein nachträglicher Einbau ist allerdings wirtschaftlich nicht sinnvoll und erfordert eine Motoröffnung.
Die Lagertemperatur deutet auf Lagerverschleiß, Schmierstoffprobleme oder Unwucht hin und ist der früheste Indikator für mechanischen Verschleiß, weshalb er ebenfalls kritisch ist. Es gibt Sensoren, die in Lager eingebettet sind oder Infrarot-Thermometer. Typische Grenzwerte liegen lagerabhängig bei >70°C.
Vibrationen am Motor zeigen Unwucht, Lagerschäden oder Montageprobleme an und sind somit ein präziser Frühindikator für Probleme an einer Pumpe. Deswegen ist der Parameter auch kritisch zu betrachten. Zur Messung können Piezo-Beschleunigungssensoren (MEMS) eingesetzt werden, dessen Werte ab >7 mm/s grenzwertig sind (ISO 10816).
Eine veränderte Leistungs- oder Stromaufnahme deutet auf mechanische Probleme, Blockaden oder Ineffizienz hin und ist deswegen wichtig für die Energieoptimierung. Ein Stromwandler oder Smart Meter können die Werte erfassen, wobei ein Schwankungsbereich von ±15% vom Nennwert die Grenze ist.
Relevante Werte auf der Pumpenseite
Auch an der Pumpe ist die Vibration ein hoch kritischer Wert, denn sie deutet auf Kavitation, Laufradschäden, Lagerprobleme hin, welche spezifisch für Pumpenprobleme sind. Auch hier kann ein MEMS-Beschleunigungssensor eingesetzt werden. Pumpenabhängige Grenzwerte liegen bei >10 mm/s.
Die Messung des Saug- oder Förderdrucks kann Aufschlüsse über Blockaden, Leckagen, Kavitation oder Verschleiß am Laufrad liefern und es deswegen wichtig für die hydraulische Leistung der Pumpe. Hier kann ein Piezoresistiver Drucksensor eingesetzt werden. Je nach Auslegung kann der typische Grenzwert bei ±20% vom Soll-Druck liegen.
Auch die Temperatur des Mediums kann uns Erkenntnisse liefern, indem sie uns Überhitzung, Kavitationsgefahr oder Prozessabweichungen anzeigt. Deswegen ist sie abhängig vom Medium ebenfalls relevant. Erfassen kann man es z.B. mit einem PT100 im Gehäuse. Die Grenzwerte sind hier Prozess- und Medienabhängig.
Mittels Durchflussmengenmessung (Volumenstrom) können wir etwa einen Leistungsabfall, Leckagen oder Verschleiß feststellen, was sich auch indirekt aus Druck und Strom ableitbar lässt. Daher ist dieser Wert nicht so kritisch. Erfassen kann man das mittels Magnetisch-induktiver Durchflussmessung, welche jedoch teuer ist. Ein typischer Grenzwert kann so bei ±10% vom Sollwert liegen.
Lesetipp: Ellweins Fachbuch
Die hier beschriebenen Parameter basieren auf dem Fachbuch „Digitalisierung von Verdichtern, Pumpen und Ventilatoren“ von Dr. Christian Ellwein (VDE Verlag, 2018). Darin findest du detaillierte Erklärungen zu Grenzwerten, Fehlerbildern und Diagnose-Methoden – eine klare Empfehlung für die tiefere Auseinandersetzung mit dem Thema.
Welche Parameter messen wir schließlich?
Um unser Pumpenmonitoring aufzubauen, entscheiden wir uns für folgende Parameter:
- Vibration Motor: Frühester und präzisester Indikator für mechanischen Verschleiß
- Vibration Pumpe: Erkennt pumpenspezifische Probleme z.B. Kavitation oder Laufradprobleme
- Lagertemperatur: Kostengünstig messbar und hohe Aussagekraft
- Förderdruck: Wichtig für hydraulische Leistungsbewertung
Mit diesen Parametern decken wir die kritischsten Ausfallursachen ab, während wir gleichzeitig die Kosten überschaubar halten.
Was wir bewusst nicht messen und warum
Start small, scale smart: Nach diesem Motto bauen wir die Lösung auf. Das heißt, dass wir nicht alle möglichen Werte auch erfassen müssen. Weitere Parameter können später nachgerüstet werden, falls die Praxis zeigt, dass Informationen fehlen.
- Wicklungstemperatur: Nur messbar mit ab Werk eingebauten Sensoren, in Bestandsanlagen meist nicht verfügbar. Nachrüstung erfordert Motoröffnung (nicht wirtschaftlich).
- Stromaufnahme: Liefert primär redundante Informationen, denn mechanische Probleme zeigen sich bereits in Vibration und Temperatur.
- Medientemperatur: Bei Schmutzwasser nicht prozessrelevant, kritische Überhitzung würde sich bereits in Lagertemperatur zeigen.
- Durchflussmenge: Sehr teuer (~2.000 € pro magnetisch-induktivem Durchflussmesser) und indirekt aus Druck + Vibration ableitbar.
Von der Planung zur Umsetzung
Wir haben nun alle Grundlagen gelegt: Der Business Case für das Pumpenmonitoring zeigt eine Einsparung von 80.500 € pro Jahr, die Ziele sind messbar definiert, und die Parameter stehen fest.
Als nächstes wird es konkret: Im zweiten Teil dieser Space Analysis zeige ich dir, wie wir diese Planung in die technische Realität mit konkreten Sensoren, Netzwerkarchitektur und Datenauswertung umsetzen. Doch zunächst fassen wir zusammen, was wir in Teil 1 erreicht haben.
Mission Recap
Im ersten Teil dieser Space Analysis ging es um den Aufbau des Business Cases, denn IIoT-Projekte ohne klaren ROI scheitern häufig bereits bei der Budgetfreigabe. Der Unterschied zwischen „Wir verbessern die Verfügbarkeit“ und „Wir sparen 80.500 € pro Jahr“ entscheidet über Go oder No-Go. Ohne wirtschaftliche Bewertung bleibt selbst die beste IIoT-Lösung nur ein Proof-of-Concept, der nie produktiv geht.
Wir haben deswegen die strategische Grundlage für unser Pumpenmonitoring-Projekt gelegt: Die aktuellen Betriebskosten von 200.500 € pro Jahr können durch Digitalisierung auf 120.000 € gesenkt werden, also eine Einsparung von rund 80.500 € jährlich oder 40%.
Diese Einsparung erreichen wir durch konkrete, messbare Ziele: Ungeplante Ausfälle reduzieren wir um 50% (von 2 auf maximal 1 pro Pumpe und Jahr), Wartungskosten halbieren wir von 60.000 € auf 30.000 €, Instandsetzungskosten senken wir um 40% von 100.000 € auf 60.000 €, und den Energieverbrauch optimieren wir um 26% von 40.500 € auf 30.000 €.
Die Werte für den Business Case sind nur exemplarisch. Nutze diese Struktur als Vorlage für deinen eigenen Business Case.
Tipp: Sei realistisch bei den Zielen, lieber 30% Einsparung erreichen als 50% versprechen und weniger schaffen.
Um diese Ziele zu erreichen, haben wir vier Parameter definiert, die wir kontinuierlich überwachen: Die Vibration an Motor und Pumpe dient als frühester Indikator für mechanischen Verschleiß, die Lagertemperatur ist kostengünstig messbar und bietet hohe Aussagekraft, und der Förderdruck ermöglicht die hydraulische Leistungsbewertung. Mit dieser Auswahl decken wir die kritischsten Ausfallursachen ab, während die Kosten überschaubar bleiben.
Weiter geht es mit diesem Anwendungsfall in Teil 2, in dem ich anhand des Vier-Ebenen-Modells konkret aufzeige, wie du die Lösung aufbauen kannst. Bleib also dran!
Bis zur nächsten Mission, dein Hauke
Schreibe einen Kommentar