Predictive Maintenance für Industriekältemaschinen und Kühltürme

Industrielle Kältemaschinen und Kühltürme sind kritische Infrastruktur in der Fertigung. Sie kühlen Prozessanlagen, halten Umgebungsbedingungen in Produktionsbereichen aufrecht und führen Wärme aus HLK-Systemen ab. Fällt die Kühlung in der sommerlichen Spitzenlast aus, kann die Produktion zum Erliegen kommen. Anlagen überhitzen. Prozesstemperaturen verlassen die Spezifikation. Der Komfort der Belegschaft sinkt bis zu einem Punkt, an dem die Produktivität fällt.

Diese Kühlsysteme fallen am häufigsten in Spitzenzeiten aus — also genau dann, wenn man sie am dringendsten braucht. KI-basierte Predictive Maintenance erfasst entstehende Probleme bei moderaten Bedingungen, sodass Reparaturen vor der nächsten Hitzewelle eingeplant werden können.

Was in Chiller-Systemen ausfällt

Industrielle Kältemaschinen sind komplexe Systeme mit vielen potenziellen Ausfallarten. Verschleiß an Verdichterlagern erhöht die Vibration und führt schließlich zum Festfressen. Kältemittelleckagen reduzieren die Kühlleistung allmählich. Kondensator- und Verdampferrohre verschmutzen durch Kalk und biologisches Wachstum, was die Wärmeübertragung beeinträchtigt. Expansionsventile arbeiten fehlerhaft und verursachen ungleichmäßige Kältemittelverteilung. Elektrische Komponenten wie Schütze, Kondensatoren und Steuerplatinen degradieren.

Jede dieser Ausfallarten entwickelt sich über die Zeit und erzeugt messbare Veränderungen der Betriebsparameter, bevor der Ausfall kritisch wird.

Wie KI den Zustand des Chillers überwacht

KI-basiertes Chiller-Monitoring analysiert die Beziehungen zwischen Betriebsparametern, um Degradation zu erkennen. Die zentrale Erkenntnis: Ein gesunder Chiller, der bei spezifischer Last und Umgebungsbedingung läuft, erzeugt vorhersagbare Werte für Saugdruck, Hochdruck, Approach-Temperaturen, Unterkühlung, Überhitzung und Leistungsaufnahme.

Verschieben sich diese Beziehungen, deutet das auf ein entstehendes Problem hin. Niedriger Saugdruck bei normalem Hochdruck kann auf eine Kältemittelleckage oder eine eingeschränkte Expansionseinrichtung hinweisen. Hoher Hochdruck bei normalem Saugdruck kann auf Kondensator-Verschmutzung deuten. Steigende Leistungsaufnahme bei gleicher Kühllast zeigt sinkende Effizienz aus zahlreichen möglichen Ursachen an.

Die KI lernt die normalen Beziehungen für jeden spezifischen Chiller und kennzeichnet Abweichungen, die die normale Betriebsschwankung übersteigen. Sie korreliert die Abweichungen mit bekannten Ausfallmustern, um die wahrscheinliche Ursache zu identifizieren, und schätzt die Zeit bis zum kritischen Ausfall.

Überwachung von Kühltürmen

Kühltürme bringen andere, aber verwandte Überwachungsherausforderungen mit sich. Füllkörper degradieren und verlieren Wirksamkeit. Verteilungsdüsen verstopfen. Lüftermotoren und Getriebe verschleißen. Das Wasserchemie-Management ist entscheidend, um Kalk, Korrosion und biologisches Wachstum zu verhindern, die die Performance reduzieren.

Die KI überwacht die Turmleistung, indem sie die Approach-Temperatur (Differenz zwischen austretendem Wasser und Feuchtkugeltemperatur) verfolgt und mit Lüfterdrehzahl, Wasserdurchsatz und atmosphärischen Bedingungen korreliert. Steigt der Approach über das, was die Bedingungen rechtfertigen, identifiziert die KI die wahrscheinliche Ursache und empfiehlt Maßnahmen.

Saisonale Planung

Der praktische Nutzen der KI-Überwachung liegt in der saisonalen Planung. Indem entstehende Probleme im Frühjahr erkannt werden, können Reparaturen vor der sommerlichen Spitzenlast erfolgen. Die KI erstellt einen vorsaisonalen Bereitschaftsbericht, der alle Kühlanlagen, ihren aktuellen Zustand, vorhergesagte Probleme und empfohlene Wartungsmaßnahmen auflistet, um zuverlässige Kühlung über die heißen Monate sicherzustellen.

Mehr zum KI-gestützten Facility Management in der Fertigung finden Sie auf der FirmAdapt-Analyseseite zur Fertigung.