Project Description

JULIUS BLUM: Prüfstand für Kunststoffzahnräder

Auf den Zahn gefühlt

Mit Predictive Maintenance lassen sich bei der Instandhaltung deutliche Einsparungen erzielen. KI und Machine Learning steigern die Effizienz ganz signifikant. Cosateq nutzt seine umfangreichen Erfahrungen aus dem Instandhaltungsmanagement zur Optimierung von Prüfständen für Kunststoffzahnräder. Das erfolgreiche Projekt für die Möbelindustrie weckt Interesse bei weiteren Branchen – bis hin zur E-Mobilität.

Sie sind leicht, verschleißarm und korrosionsbeständig: Hochleistungszahnräder aus Kunststoff ersetzen immer häufiger teurere Zahnräder aus Stahl. Detaillierte Kennwerte für ihren Dauerbetrieb gibt es bisher kaum. Materialeigenschaften, wie die Temperaturabhängigkeit des Elastizitätsmoduls erschweren die Gewinnung derartiger Daten. Für viele Anwendungen werden Kunststoffzahnräder deshalb vorsichtshalber etwas großzügiger dimensioniert als es die bisherigen Erfahrungswerte nahelegen.

Neue Ergebnisqualität durch innovativen Prüfstand

Beim Wöhlertest zur Bestimmung der Dauerfestigkeit von Zahnrädern wirkt ein über die jeweilige Versuchsdauer konstantes Drehmoment auf eine Verbindung aus Zahnrad und Ritzel, solange bis es zum Bruch kommt. Durch Variation des Drehmoments lassen sich Kurzzeitfestigkeit, Zeitfestigkeit und Dauerfestigkeit ermitteln. Der Beginn der Rissbildung und ihr zeitlicher Verlauf ließen sich bisher allerdings nur bedingt rekonstruieren.

Ein Prüfstand der Firma Blum aus Höchst bei Bregenz überwacht erstmalig den Zustand der Zahnräder bis zum Bruch. Condition Monitoring, wie es für Predictive Maintenance genutzt wird, erlaubt es Vorstufen der Rissbildung zu erkennen und unterschiedliche Stadien der Rissausbreitung zu identifizieren und auszuwerten. Von den Erkenntnissen profitieren Maschinenbauer und Konstrukteure ebenso wie Werkstoffentwickler. Die Aussicht darauf, die Produktsicherheit zu steigern und gleichzeitig Ressourcen zu schonen, sorgt für große Aufmerksamkeit in Industrie und Forschung.

Mess- und Regelungstechnik auf höchstem Niveau

Konzipiert und automatisiert wurde der Prüfstand zusammen mit COSATEQ. Gerd Leiprecht, Geschäftsführer von COSATEQ, beschreibt das Prinzip: „Bei gleicher Drehzahl messen wir Änderungen der Schwingungsfrequenzen und identifizieren dabei Trends und Muster, die im Fall der Zahnräder bestimmten „Gesundheitszuständen“ zuzuordnen sind. Die Mustererkennung wird mit Hilfe von Machine Learning optimiert und auf Rechnern, die mit der Steuerung des Prüfstandes in Echtzeit kommunizieren, realisiert.“

Cosateq konnte bei der Realisierung auf Erfahrungen bei der dynamischen Auslegung komplexer regelungstechnischer Systeme zurückgreifen. Hier bestand die Herausforderung darin, mechanische Störeinflüsse zu eliminieren und gleichzeitig die an den Zahnrädern wirkenden Drehmomente hochfrequent und äußerst genau zu erfassen. Außerdem muss bei Erreichen eines definierten „Gesundheitszustandes“ die Last augenblicklich abgeschaltet werden können, um den entsprechenden Zustand zu konservieren. Das wird mit einer von Blum auch in der Produktion vorwiegend eingesetzten Siemens Simatic S7 Steuerung erreicht.

Gut gerüstet für steigende Anforderungen an Prüfstände

An der Untersuchung und Optimierung von Kunststoffzahnrädern wird in vielen Branchen gearbeitet. Neue Impulse bringt die Elektromobilität. Denn hier hat das Thema Leichtbau eine weitaus höhere Priorität als bei Kleinantrieben. Mit den Anforderungen an die hier eingesetzten Hochleistungswerkstoffe steigen auch die Anforderungen an entsprechende Prüfstände.
Kunststoffzahnräder sind nur ein Beispiel dafür. Hier konnte COSATEQ zeigen, dass Kernkompetenzen wie Echtzeit-Regelungstechnik und Machine Learning einen wesentlichen Beitrag leisten können, wenn es darum geht, schnell die richtigen Antworten auf neue Fragestellungen zu finden.