Verbesserte vorausschauende Wartung bei Nordic Sugar

Verbesserte vorausschauende Wartung bei Nordic Sugar.

Einblicke in die Optimierung von Dampftrocknern

Nordic Sugar, ein wichtiger Akteur in der Zuckerproduktionsindustrie und Teil der Nordzucker-Gruppe, hat in seinem Werk in Nakskov, Dänemark, Pionierarbeit bei innovativen Wartungsstrategien geleistet. Im Rahmen ihrer kontinuierlichen Verbesserungsbemühungen haben sie ein bedeutendes Projekt zur Einführung einer vorausschauenden Wartung ihres Dampftrockners, einer entscheidenden Komponente in ihrem Zuckerproduktionsprozess, in Angriff genommen. Diese Initiative, die von Anders Jørgensen-Juul, dem Leiter der Projektabteilung, geleitet wird, setzt neue Maßstäbe in der Branche.

Die Rolle des Dampftrockners

Bei der Zuckerherstellung spielt der Dampftrockner eine wichtige Rolle bei der Trocknung von Rübenschnitzeln. Traditionell wurden Hochtemperatur-Trocknungsmethoden verwendet, die viel Energie verbrauchen und die Wiederverwendung der Wärme erschweren. Moderne Dampftrockner hingegen arbeiten nach dem Wirbelbettprinzip und verwenden heiße Luft, die durch Primärdampf erhitzt wird, um die Schnitzel zu trocknen. Diese Methode verbessert nicht nur die Energieeffizienz, sondern ermöglicht auch die Rückgewinnung und Wiederverwendung von Sekundärdampf, wodurch die Nachhaltigkeit verbessert wird. „Die Aufrechterhaltung des Drucks im Trockner ist entscheidend“, erklärt Herr Jørgensen-Juul. „Wir haben normalerweise einen Innendruck von 3,5 bis 4 bar, während der Umgebungsdruck draußen viel niedriger ist. Unsere Herausforderung war das Auslassventil, das mehrfach ausfiel.“

Das Problem genau lokalisieren

Die unvorhersehbaren Ausfälle des Auslassventils stellten ein erhebliches Betriebsrisiko dar. „Wir konnten nicht vorhersagen, wann es ausfallen würde, und es passierte oft zu unpassenden Zeiten, was zu ungeplanten Ausfallzeiten führte“, sagt Jørgensen-Juul. „Diese Unvorhersehbarkeit war kostspielig und störend.“

Um dieses Problem zu lösen, beschloss Nordic Sugar, eine Strategie für die vorausschauende Wartung mit Hilfe von maschinellem Lernen einzuführen. „Wir haben erkannt, dass es sich lohnt, in High-End-Technologien für die vorausschauende Wartung zu investieren, auch wenn sie teuer sind“, sagt Jørgensen-Juul.

Implementierung von maschinellem Lernen für die vorausschauende Wartung

Der Implementierungsprozess begann mit einer umfangreichen Datenerfassung. „Wir sammelten Daten von verschiedenen Sensoren und unserem verteilten Kontrollsystem (DCS) und kombinierten sie mit historischen Fehlerdaten“, erklärt Jørgensen-Juul. „Der schwierige Teil bestand darin, diese Daten so umzuwandeln, dass sie zusammengestellt und zum Trainieren des maschinellen Lernmodells verwendet werden konnten.“ Er betonte auch die Bedeutung der Datenqualität. „Qualitativ hochwertige Daten sind die Grundlage für jedes erfolgreiche maschinelle Lernprojekt. Es geht nicht nur darum, viele Daten zu haben, sondern sicherzustellen, dass sie genau und relevant sind“, bemerkt er. In einer nächsten Phase wurde das Modell darauf trainiert, Muster zu erkennen, die auf potenzielle Ausfälle hinweisen. „Das multidimensionale Modell betrachtet Muster in verschiedenen Variablen und sagt voraus, wann ein Ausfall auftreten könnte“, sagt Jørgensen-Juul. „So können wir die verbleibende Nutzungsdauer der Komponente abschätzen und die Wartung entsprechend planen.

Ergebnisse und Learnings

Die Ergebnisse dieser Initiative sind vielversprechend. Im ersten Jahr lagen die Vorhersagen des Modells nur um 13 Tage daneben. „Das war eine erhebliche Verbesserung“, sagt Jørgensen-Juul. „Es ermöglichte uns, fundiertere Entscheidungen darüber zu treffen, wann wir die Wartung durchführen sollten.

Das Projekt war jedoch nicht ohne Herausforderungen. „Im Jahr 2023 lagen unsere Vorhersagen um 35 Tage daneben, was ein Rückschlag war. Wir stellten fest, dass kleine Änderungen an den Geräten durch unsere Techniker die Genauigkeit des Modells beeinträchtigt hatten. Der ML-Algorithmus war nicht darauf trainiert, strukturelle Veränderungen an der Maschine selbst zu berücksichtigen. Wir wissen jetzt, dass selbst kleine Änderungen die Genauigkeit der RUL-Vorhersage ernsthaft beeinträchtigen können.“

Nichtsdestotrotz hat das Projekt wertvolle Erkenntnisse gebracht. „Wir haben viel über die Empfindlichkeit von maschinellen Lernmodellen und die Wichtigkeit der Aufrechterhaltung eines stabilen Systems gelernt“, sagt Jørgensen-Juul. „Diese Erkenntnisse sind von unschätzbarem Wert, da wir unseren Ansatz weiter verfeinern werden.“

Auswirkungen

Eine der Hauptmotivationen für dieses Projekt war es, einen starken Business Case für die vorausschauende Wartung zu schaffen. „Normalerweise führen wir eine Kampagne von 110 Tagen durch und sehen einen Ausfall erst nach 85 oder 90 Tagen“, erklärt Jørgensen-Juul. „In der Vergangenheit haben wir den Rotor und die internen Komponenten zum Zeitpunkt des Ausfalls und nach Ende der Kampagne ausgetauscht, nur um sicherzustellen, dass wir die nächste Kampagne ohne Probleme abschließen können. Das war nicht kosteneffizient.“

Mit Hilfe der vorausschauenden Wartung wollte Nordic Sugar die Lebensdauer dieser Komponenten verlängern. „Das Ziel war es, einen vorzeitigen Austausch zu vermeiden und die Anzahl der verwendeten Ersatzteile zu reduzieren. Unser Erfolg im ersten Jahr hat gezeigt, dass wir Ausfälle innerhalb einer Spanne von 13 Tagen vorhersagen konnten, was eine enorme Verbesserung darstellt“, bemerkt Jørgensen-Juul. „Selbst mit dem Rückschlag im zweiten Jahr haben wir entscheidende Erkenntnisse zur Verbesserung unserer Modelle und Prozesse gewonnen.“

Zukünftige Anwendungen und Nachhaltigkeit

Mit Blick auf die Zukunft plant Nordic Sugar, den Einsatz der vorausschauenden Wartung auszuweiten. „Wir sind vorsichtig, wenn es darum geht, wo wir maschinelles Lernen einsetzen, weil es Ressourcen benötigt“, erklärt Jørgensen-Juul. „Aber bei kritischen Komponenten mit hohen Ausfallkosten und begrenzten Alternativen für die zustandsorientierte Wartung ist es die Investition wert.“

Das Projekt steht auch im Einklang mit den Nachhaltigkeitszielen von Nordic Sugar. „Nachhaltigkeit wird durch vorausschauende Wartung wirklich erreicht. Sie hilft uns, die Lebensdauer unserer Anlagen zu verlängern, den Bedarf an Ersatzteilen zu reduzieren und den Abfall zu minimieren“, sagt Jørgensen-Juul. „Sie ist ein wichtiger Bestandteil unserer Strategie zur Verbesserung der Ressourceneffizienz und zur Verringerung unserer Umweltauswirkungen. Je länger wir mit dem Austausch von Teilen warten können, desto mehr Ressourcen sparen wir ein. Selbst geschultes Wartungspersonal kann nur eine ungefähre Schätzung abgeben, aber maschinelles Lernen kann die Genauigkeit auf etwa zwei Prozent eingrenzen.“

Gelegenheit zum Lernen

Der Erfolg des Werks von Nordic Sugar in Nakskov bietet wertvolle Lehren für die gesamte Branche.

„Vorausschauende Wartung kann die betriebliche Effizienz und Nachhaltigkeit erheblich verbessern“, sagt Jørgensen-Juul. „Es ist jedoch wichtig, einen klaren Business Case und ein stabiles System zu haben. Außerdem ist es wichtig, das technische Personal in den Prozess einzubeziehen, da nur sie das Verhalten und die Ausfälle der Anlagen mit den Trends in den Daten in Verbindung bringen können.“

Anders Jørgensen-Juul wird den Fall Nordic Sugar auf der Konferenz Asset Performance 2024 in Antwerpen, Belgien, am 13. und 14. November 2024 im Detail vorstellen. Sein Vortrag wird einen tieferen Einblick in die Herausforderungen, Lösungen und Lehren aus dem Projekt bieten und wertvolle Erkenntnisse für Fachleute aus den Bereichen Wartung und Zuverlässigkeit liefern. Verpassen Sie nicht diese Gelegenheit, von einem führenden Experten der Branche zu lernen. Melden Sie sich jetzt für Asset Performance 2024 an und nehmen Sie an den Gesprächen teil, die die Zukunft der Wartung und des Asset Managements bestimmen.