In den letzten zwanzig Jahren haben sich die technologischen Mittel zur Überwachung des Zustands von Kolbenkompressoren kontinuierlich weiterentwickelt. Jahrelang beruhte der Maschinenschutz fast ausschließlich auf indirekten Zustandsgrößen wie Schwingungen, aber neuere Systeme berücksichtigen direkte mechanische Zustandsgrößen wie die Kolbenstangenlage oder thermodynamische Größen wie pV-Kurven. Dies geschieht nicht mehr nur aus Gründen des Maschinenschutzes, sondern um möglichst umfassende Informationen über den Zustand einer Maschine und ihrer Komponenten zu erhalten.
Traditionell besteht die Aufgabe des Maschinenschutzes darin zu verhindern, dass Schäden an Komponenten, die zwischen den planmäßigen Wartungsinspektionen auftreten, katastrophale Schäden an einer Maschine verursachen. Das Wartungspersonal schaltet eine Maschine ab und demontiert sie, um sich einen umfassenden Überblick über den Zustand ihrer Komponenten zu verschaffen. In solchen Fällen werden die Maschinenschutzparameter in der Regel nur auf der Basis eines einzigen Schwellenwertes bestimmt, so dass die einzige verfügbare Information entweder der “OK”- oder der “ALARM”-Status ist. Dem Bediener fehlen oft jegliche Informationen darüber, wie sich der für den Maschinenschutz verwendete Parameter entwickelt. Beispielsweise weiß er möglicherweise nicht, ob die Maschine auf einem Niveau nahe oder weit unterhalb eines Alarmgrenzwertes arbeitet.
Weitere Informationen
Im Idealfall kann der Zustand jeder Komponente auf der Grundlage eines einzigen Parameters beurteilt werden. Der Zustand eines Lagers könnte zum Beispiel ausschließlich und eindeutig auf der Grundlage seiner Temperatur bestimmt werden. Dies jedoch ist in vielen Fällen unmöglich, deshalb werden stattdessen verschiedene Parameter überwacht um ein Höchstmaß an Sicherheit über den Zustand einer Maschine zu erhalten. Je komplexer eine Maschine ist und je mehr Komponenten überwacht werden müssen, desto mehr Parameter werden in das Bild eingezeichnet. Messgrößen und Analysen sind jedoch in immer größerer Zahl vorhanden und auch die Interpretation von Parameterentwicklungen wird schwieriger. Oft muss ein Experte hinzugezogen werden, um zuverlässig zu die Fülle von Überwachungsparametern und den Zustand einer Maschine beurteilen zu können. Entsprechende Instrumentierung, die oft als “Expertensystem” bezeichnet wird, ist ebenfalls erforderlich.
Hier kommen automatisierte Diagnosesysteme ins Spiel: Sie stellen dem Experten eine Art “künstliche Intelligenz” zur Verfügung, die auf der Grundlage der überwachten Daten eine Maschine automatisch diagnostizieren kann. Wie detailliert diese Diagnose ist, z.B. welche Komponente fehlerhaft ist und welche Abhilfemöglichkeiten bestehen, hängt von der Anzahl der überwachten Parameter und von der Qualität der Diagnosemethode ab. In den letzten Jahren hat PROGNOST Systems in Zusammenarbeit mit den Betreibern viel Erfahrung im Bereich der Implementierung von Diagnosesystemen gesammelt, wobei sich bestimmte Diagnosemethoden als wirksamer als andere erwiesen haben
Was sind Diagnosen?
In der heutigen Welt ist der Begriff Diagnose in verschiedenen Disziplinen weit verbreitet. Ursprünglich bezog sich der Begriff Diagnostik (von dia: durch, durch, getrennt; und gnosis: Wissen) auf den Prozess des Wissenserwerbs zum Zweck der Unterscheidung von Objekten. Der Begriff wird oft so erweitert, dass er nicht nur den Prozess der Identifizierung von Merkmalen, sondern auch die Ergreifung von Maßnahmen umfasst. Auch die Maschinendiagnostik kann so verstanden werden. Der Zweck der technischen Diagnose besteht darin, Fehler früh genug zu erkennen, um daraus geeignete Korrekturmassnahmen ableiten zu können und dadurch die Sicherheit, Verfügbarkeit, Lebensdauer und Zuverlässigkeit einer Anlage zu erhöhen und gleichzeitig die Wartungs- und Betriebskosten zu minimieren. Ein Fehler bezieht sich auf eine Abweichung von einem normalen Zustand, entweder aufgrund von Betriebsbedingungen oder aufgrund von Ausfällen oder Defekten.
Es muss klar zwischen Maschinendiagnose und Maschinenüberwachung oder -analyse unterschieden werden. Bei der Maschinendiagnose werden die von Maschinenüberwachungssystemen gesammelten Daten im Hinblick darauf ausgewertet, welche typischen Merkmale mit (beginnenden) Fehlern verbunden sind. Die Qualität dieser Diagnose hängt von zwei Faktoren ab:
- den gesammelten Messdaten (Art, Anzahl, Ort)
- der für die Merkmalserfassung verwendete Methode

Abb. 1: Schema des Diagnoseprozesses
In der Phase des Merkmalserwerbs, Merkmale die für die Fehlererkennung relevant sind, werden aus der Fülle der Messdaten gesammelt. Die Grundannahme dabei ist, dass ein Fehler auch sich in geänderten Merkmalen widerspiegelt, d.h. dass ein Fehler tatsächlich eine Änderung von mindestens einem der Parameter.