Die Bewertung von Antriebstechnologien bezüglich Energieeffizienz wird häufig an Hand des Wirkungsgrads durchgeführt. Dabei wird oftmals elektrischen Antrieben pauschal ein Wirkungsgrad von ca. 80%-90% und der Drucklufttechnik ein Wirkungsgrad von ca. 5%-10% zugesprochen. Daraus abgeleitet ergibt sich ein ca. 8 bis 18-fach höherer Energieverbrauch der Pneumatik, teilweise werden sogar noch deutlich höhere Faktoren von bis zu 30 zum Nachteil der Pneumatik in der Literatur angegeben. Doch wie wird der Wirkungsgrad bestimmt? Im Speziellen bei Antrieben in horizontaler Orientierung wird physikalisch betrachtet keinerlei Arbeit verrichtet, so dass schon allein die Angabe von Wirkungsgraden fragwürdig ist - wie soll er dann erst gemessen werden?
In diesem Beitrag wird die Angabe der Wirkungsgrade bzw. der damit verbundene Vergleich indirekt durch ein Experiment untersucht. Wenn die Wirkungsgrade einen Unterschied von ca. 18 aufweisen, muss sich dies auch in der aufgenommenen Energie bei der gleichen Bewegungsaufgabe niederschlagen.

Hierzu wird zunächst der Unterschied beider Antriebssysteme in Bezug auf das Kraft- und Bewegungsverhalten analysiert. Dabei wird ersichtlich, dass erst durch eine Vereinheitlichung der Kraft- und Bewegungsfunktionen ein sinnvoller Vergleich möglich wird. Durch diesen Vergleich wird ein energiesparender Modus für den Pneumatik- Antrieb abgeleitet und am Aufbau steuerungsstechnisch realisiert.
Die experimentellen Ergebnisse zeigen deutlich geringere Unterschiede der beiden Technologien als in der Literatur angegeben. Die Plausibilität dieser Ergebnisse wird abschließend durch die Betrachtung eines Exergieflussdiagramms für den pneumatischen Antrieb und einem sogenannten Muscheldiagramm für den elektrischen Antrieb im Start-Stop Modus überprüft.

Hohe Energiepreise, Kostendruck und Bewusstsein für den Klimaschutz
machen Energieeffizienz zu einer unternehmerischen Kernaufgabe. Im
Kontext der Energieeffizienz hat das Monitoring und die Diagnose
relevanter Kenngrößen einen hohen Stellenwert. Angewendet auf die
Pneumatik geht es darum, Fehler oder andere Unregelmäßigkeiten in
einer Anlage anhand des Musters der Durchflusskurve zu erkennen.

Das hier vorgestellte Diagnosemodul soll als Blackbox auf beliebig
komplexe Anlagen anwendbar sein, für die kein mathematisches Modell
existiert. Es muss also in der Lage sein, Abweichungen des Musters der
Durchflusskurve vom Normalbetrieb zu erkennen. Ausserdem muss (mangels
mathematischem Modell) das für die zu lösende binäre
Klassifikationsaufgabe benötigte Wissen aus Betriebsdaten der Anlage
ermittelt werden. Für solch ein Szenario bieten sich maschinelle
Lernverfahren (ein Teilgebiet der Künstlichen Intelligenz) an.

Eine besondere Herausforderung in dem Projekt ergab sich durch die
Forderung von Festo, dass die Anlage in der Lernphase nur im
Normalbetrieb läuft. Der verwendete Lernalgorithmus hat also während
der Lernphase keinen Zugriff auf fehlerhafte Betriebszustände der
Anlage, muss aber später trotzdem sicher zwischen Normalbetrieb und
Fehlerzustand unterscheiden können. Zur Lösung dieses Problems wurden
die One-Class-Learning (OCL) Verfahren Nearest-Neighbour-Data-Description
(NNDD) und Support-Vektor-Data-Description [Tax01] eingesetzt und
verglichen.

Das Diagnosemodul verwendet einen Durchflusssensor, der den gesamten
Luftstrom durch die Anlage misst. Aus einer Zeitreihe fester Länge von
Durchflusswerten wird ein Merkmalvektor berechnet, der als Eingabe für
den OCL-Klassifizierer dient. Mit OCL wird (zum Beispiel bei
Inbetriebnahme der Anlage) ein merkmalbasierter Klassifizierer
trainiert, der später erkennen soll, ob der Kurvenverlauf von dem bei
der Inbetriebnahme vorgegebenen Standardverlauf abweicht.

Die für das Lernen und die Klassifikation benötigten Merkmale werden
wie folgt berechnet. Auf einem Zeitintervall fester Länge der
Durchflusskurve und ihrer Ableitung werden jeweils die folgenden neun
statistischen Werte ermittelt:

Minimum, 1. Quartil, Median, 3. Quartil, Maximum, Arithmet. Mittel,
Standardabweichung, Schiefheit (Skewness), Kurtosis

Ausserdem wird das Periodogramm als Schätzer für die Spektraldichte
der Zeitreihe berechnet und mittels Hauptkomponentananalyse (PCA) auf
vier Werte komprimiert. Zusammen mit den statistischen Merkmalen
ergibt sich ein Vektor von 22 Merkmalen. In der Lernphase werden alle
aus der Durchflusskurve erzeugten Merkmalvektoren als Trainingsdaten
verwendet, um mittels One-Class-Learning den Klassifizierer zu
trainieren.

Zur Evaluation des Verfahrens wurde der Klassifizierer auf einer
pneumatischen Anlage mit zwei Betriebsmodi (Füllen und Leeren) im
fehlerfreien Zustand trainiert. Dann wurde die Anlage mit sieben
verschiedenen Fehlern versehen und darauf der Klassifizierer
getestet. Als Fehler wurden Lecks und Verzögerungen unterschidelicher
Größe und Kombinationen davon verwendet. Für insgesamt 328
Testdatensätze wurden keine falsch positiven und falsch negativen
Klassifikationen ermittelt. Das Verfahren arbeitet also auf allen
Testdatensätzen fehlerfrei und kann perfekt zwischen Normalbetrieb und
Defekt unterscheiden. Dies zeigt die Stärke und das Potenzial des
verwendeten One-Class-Learning für beliebige pneumatische Anlagen auf.

Die in diesem Projekt entwickelte Lösung ist aufgrund ihrer
universellen Anwendbarkeit und der sehr einfachen Sensorik auf viele
andere technische und nicht technische Diagnoseaufgaben anwendbar. Das
Innovationspotential könnte beispielsweise bei einer automatischen
Selbstdiagnose von Haushaltsgeräten, Elektromotoren und Ottomotoren
genutzt werden.

Literatur:
[Tax01] D.M.J. Tax. One-class classification. Dissertation, Delft University of Technology,
2001.

Eine der wichtigsten Branchen für die Pneumatik ist die Automobilindustrie. Ein typisches Anwendungsfeld ist die Karosseriefertigung. Dort werden Wartungseinheiten, Ventile und Ventilinseln, Spanner- und Stiftziehzylinder und servopneumatische Schweißzangen eingesetzt. An vielen Stellen spielt die Pneumatik seit vielen Jahren ihre Stärken wie Schnelligkeit, Einfachheit, Sauberkeit, Überlastsicherheit, u.v.m. aus.

Vor dem Hintergrund steigender Energiepreise und der intensiver werdenden Wahr-nehmung des Themas Energieeffizienz ist auch die Pneumatik als „zu teuer“ in die Diskussion geraten. Bei vielen Kunden wird „die Elektrifizierung“ diskutiert z.B. bei servopneumatischen Schweißzangen, die ein Hochdrucknetz voraussetzen.

Festo als Hersteller sowohl pneumatischer als auch elektrischer Antriebstechnik hat sich zum Ziel gesetzt, seinen Kunden die für den jeweiligen Anwendungsfall „geeignetste“ energieeffiziente und somit wirtschaftlichste Lösung anzubieten. Ein wichtiger Schritt hierzu ist, die stark „emotionale“ Diskussion zur Energieeffizienz auf eine solide Basis „ver¬gleichbarer“ Zahlen zu stellen.

Hierzu wurde in einem gemeinsamen Projekt von Festo, VW, Boge und dem IWU der TU Chemnitz Messungen in der Produktion durchgeführt und damit erstmals transparente Zahlen für Komponenten, Zellen, Hallen in einem Automobilwerk ermittelt. Gemeinsames Ziel war es, die wichtigsten Stellhebel zur Reduzierung des Druckluftverbrauchs im Karosseriebau zu identifizieren, um an den „richtigen“ Stellen anzusetzen.

Einige Zahlen mit Bezug auf das im Projekt definierte Referenzwerk. Der Anteil der Druckluft am Gesamtenergieverbrauch des Werk beträgt 7,6 %, der Druckluftanteil am Energieverbrauch im Karosseriebau beträgt 8,6 %, der Anteil der Druckluft im Karos¬serie-bau am Ge¬samtenergieverbrauch des Werks liegt bei 3,7 %. Rechnet man Energiebedarf für diese 3,7 % in € um, zeigen sich die tatsächliche Kosten für die Druckluft in diesem wichtigen energieintensivem Gewerke des Karosseriebaues –die derzeit geführten emotionalen Diskussionen werden auf eine sachliche Basis gesetzt: Der Kostenanteil des Karosseriebaus beträgt z.B. weniger als 2,7 €/Fahrzeug.

Der Hebung von Einsparpotenzialen stehen Hindernisse im Weg. Fehlende Daten und Tools behindern die transparente Betrachtung des Energieverbrauchs und Identifikation der Verluste und Optimierungspotentiale. Ein Grund ist die nur bedingt stattfindende Ab-stimmung zwischen Erzeugung, Verteilung und Nutzung der Druckluft im Planungsprozess. Eine ganzheitliche Betrachtung der Energieeffizienz findet nicht statt - es bleibt oft bei Einzelmaßnahmen ohne Nachhaltigkeit.

Der Vortrag stellt Ergebnisse von Messungen des Druckluftverbrauchs auf Anlagen- und Komponentenebene vor. Mit den Messungen liegen einerseits Überblickswerte auf Hallenebene vor, andererseits auch detaillierte Angaben auf Funktionsebene (z.B. „Was kostet ein Schweißpunkt elektrisch oder pneumatisch oder servopneumatisch angetrieben?“ „Was kostet ein pneumatischer Spannvorgang“ etc.). Notwendige Tools zur ganzheitlichen Betrachtung und optimalen Dimensionierung der Druckluftverteilung und -erzeugung und zur Abschätzung des Energieverbrauchs unter Berücksichtigung der Lebenszykluskosten von Anlagen (TCO) werden vorgestellt. Auf dieser Basis werden systematische Optimierungspotentiale aufgezeigt und die Ergebnisse in einem Leitfaden zum effizienten Drucklufteinsatz im Karosseriebau erfasst.

Die implementierten Tools zur Planung von Druckluftverbrauch, -erzeugung und -erteilung wurden miteinander vernetzt und anhand von Anwendungsbeispielen erprobt.

Der Vortrag schließt mit Schlussfolgerungen für die Pneumatik im Karosseriebau:
• Wann/ Wo ist die Pneumatik effektiv eingesetzt?
• Wie hoch sind tatsächliche Verbräuche (prozentual, absolut)
• Lohnen sich Maßnahmen zur Druckabsenkungen oder Hochdrucknetze?
• Welche Tools mit welcher Simulationstiefe werden für den Planer benötigt?
• Wo liegen Einsparpotentiale und reale Stellhebel?

Vakuum Greifsysteme werden zunehmend als universelles Komplettlösungen für automatisierte Handhabungsaufgaben eingesetzt. Neue technologische Entwicklungen ermöglichen die Erschließung vieler Applikationen in der Holz- und Möbelindustrie, in der Logistik und Verpackung, beim Handhaben von Glas und Metall: Flächengreifelemente mit und ohne Strömungsventiltechnik ermöglichen eine variable Belegung des Systems mit unterschiedlichen Werkstücken. Sie ermöglichen die Handhabung von Werkstücken mit porösen oder rauen Oberflächen und garantieren somit universellen Einsatz. Neue Steuerungs- und Regelungs-Funktionen garantieren zudem die Integration in moderne Automatisierungskonzepte. Condition Monitoring und die Berechnung vorausschauender Wartungsfunktionen ermöglichen eine effiziente Instandhaltung.
In diesem Vortrag werden diese technologischen Entwicklungen an Beispielen aus verschiedenen Branchen aufgezeigt und zukünftige Entwicklungen aufgezeigt. Ein besonderer Schwerpunkt wird dabei den Anforderungen an die applikationsspezifische Auslegung und das Systemdesign gewidmet.
Die vakuumtechnische Auslegung basierte bisher auf empirische Werten, Überschlagsrechnungen oder Versuchsergebnissen. Die Zukunft liegt in der Systematisierung des fluidtechnischen Auslegungsprozesses als Teil eines durchgängigen IT gestützten Engineerings. Dies erfordert den Einsatz von modellgestützten Berechnungen, die Integration von Versuchsergebnissen in diese Berechnungen und Optimierungsalgorithmen.
Das funktionale Systemdesign war bisher oft auf Anschluss und Weiterleitung weniger Sensorsignale beschränkt. In Zukunft werden neue Funktionen wie die Erkennung der zu greifenden Werkstücke, die energieoptimale Ansteuerung der Vakuumerzeugung und die Abstimmung mit dem Bewegungsprogramm Gegenstand des Engineerings sein. Auch die Condition Monitoring Funktionen, das Energie-Monitoring und die Erzeugung von Wartungsmeldungen müssen als Teil des Systemengineerings integriert werden. Fluidtechnische Auslegung und funktionales Engineering werden im mechatronischen Systemdesign weitgehend zusammenwachsen.