Digitalisierung & Fernüberwachung von Brückenkranen
Kurzantwort: Die digitale Fernüberwachung von Brückenkranen erfasst Daten über OPC-UA-Gateways und kombiniert Edge-Computing mit einem Digitalen Zwilling, um den gesamten Maschinenstatus remote zu visualisieren und intelligent zu analysieren.
Die digitale Fernüberwachungsplattform für Brückenkrane ist die digitale Grundlage für intelligente Wartung und unbemanntes Management. Über OPC-UA/MQTT-Protokolle werden Betriebsdaten der Krane – Tragfähigkeit, Verfahrwege, Geschwindigkeit, Strom, Temperatur, Vibration, Fehlercodes usw. – zentral von der SPS, den Frequenzumrichtern, dem Sicherheitsüberwachungssystem und KI-gestützten Sensoren erfasst. Diese Daten werden im Edge-Gateway aggregiert, bereinigt und anschließend an die Cloud-Plattform übertragen. Die Cloud-Plattform ermöglicht Fernüberwachung der Anlagen, mehrstufige Alarmmeldungen, OEE-Analysen (Gesamtanlageneffektivität), 3D-Visualisierung mittels Digitalem Zwilling, KI-basierte prädiktive Wartung sowie mobile Berichtsfunktionen und unterstützt so das einheitliche Management kranübergreifender Standorte.
Systemarchitektur und Datenfluss im Überblick
| Schicht | Komponenten | Funktion |
|---|---|---|
| Sensorik | SPS, Frequenzumrichter, Sicherheitsüberwachungssystem, KI-Sensoren | Erfassung von Tragfähigkeit, Geschwindigkeit, Strom, Temperatur, Vibration, Fehlercodes |
| Edge | Edge-Gateway | Aggregation, Filterung und Vorverarbeitung der Rohdaten |
| Netzwerk | OPC-UA / MQTT | Sichere und standardisierte Datenübertragung an die Cloud |
| Plattform | Cloud-Plattform | Datenhaltung, OEE-Analyse, Digitaler Zwilling, prädiktive Wartung |
| Anwendung | Dashboard, Alarmierung, Mobile Reports | Visualisierung, Benachrichtigungen, Entscheidungsunterstützung |
Vorteile der digitalen Kranüberwachung für die Instandhaltung
Die Implementierung einer solchen Plattform ermöglicht eine deutliche Steigerung der Anlagenverfügbarkeit. Durch die kontinuierliche Überwachung und die frühzeitige Erkennung von Anomalien mittels KI-Algorithmen können Ausfälle minimiert und Wartungsintervalle optimiert werden. Dies führt zu einer höheren Effizienz im Betrieb und reduziert gleichzeitig die Stillstandzeiten erheblich.
Prädiktive Wartung und Digitaler Zwilling im Praxiseinsatz
Die Kombination aus Digitalem Zwilling und prädiktiver Wartung erlaubt es, den Zustand jedes Krans in Echtzeit zu simulieren und zukünftige Verschleißerscheinungen vorherzusagen. So können Wartungsteams proaktiv handeln, Ersatzteile rechtzeitig bestellen und geplante Stillstände optimal in den Produktionsablauf integrieren. Die Fernüberwachung wird damit zum strategischen Werkzeug für die Instandhaltungsplanung.
F: Welche Daten werden für die digitale Fernüberwachung eines Brückenkrans benötigt?
A: Für eine umfassende Überwachung werden typischerweise Daten zu Tragfähigkeit, Geschwindigkeit, Stromaufnahme, Temperatur, Vibration sowie der aktuelle Fehlercode der Steuerung erfasst. Diese Daten werden über Sensoren und die SPS an das Edge-Gateway übertragen.
F: Wie unterstützt die Plattform die Wartungsplanung?
A: Die Plattform nutzt Algorithmen der prädiktiven Wartung, um auf Basis der historischen und aktuellen Betriebsdaten den Verschleißzustand von Komponenten zu prognostizieren. Dadurch können Wartungsarbeiten bedarfsgerecht geplant und ungeplante Ausfälle vermieden werden.
F: Ist die Integration in bestehende Kransteuerungen (z. B. von Kelude) einfach möglich?
A: Ja, die Lösung ist modular aufgebaut und unterstützt gängige Kommunikationsprotokolle wie OPC-UA und MQTT. Dadurch lässt sie sich in der Regel ohne größere Umbauten an die bestehende Steuerungstechnik von Brückenkranen, einschließlich der Modelle von Kelude, anbinden.
Die Digitalisierung der Krananlagen ist ein entscheidender Schritt hin zu mehr Effizienz und Sicherheit im industriellen Umfeld. Die Fernüberwachungsplattform von Kelude bietet hierfür eine robuste und zukunftssichere Basis.
| Ebene | Einsatzort | Latenzanforderung | Hauptfunktion | Hardware/Software |
|---|---|---|---|---|
| Sensorik-Ebene | Brückenkranfahrzeuggebunden | <10ms | SPS-Steuerung,FrequenzumrichterAntrieb,SensorErfassung | S7-1200/1500,G120,SensorGruppe |
| Edge-Ebene | Brückenkranelektrischer SchaltschrankoderWerkstatt | <50ms | Protokollumsetzung,Datenbereinigung,Echtzeit-Alarm,Lokaler Cache | EG-500Edge-Gateway(IoT 2040) |
| Netzwerk-Ebene | Werksgelände/Öffentliches Netz | <500ms | Datenübertragung(4G/5G/WiFi 6),VPNSichere Verbindung | Industrie-Router,VPNEdge-Gateway |
| Plattform-Ebene | Cloud-Server/Unternehmensrechenzentrum | <2s | Zeitreihenspeicher,Alarm-Engine,OEEAnalyse,Modelltraining | InfluxDB+PostgreSQL+EMQX |
| Anwendungsebene | PC/Mobile Endgeräte | <3s | Überwachungsbildschirm,Digitaler Zwilling,Bericht,MobilAPP | Web/APP(React+Three.js) |
OPC-UA-Datenmodell für Brückenkrane
Das OPC-UA-Informationsmodell ist entsprechend der Struktur des Brückenkrans aufgebaut: Hubwerk, Kranfahrwerk, Katzenmechanismus, Sicherheitssystem und Umgebungsparameter. Für jeden Knoten werden Datentyp, Aktualisierungsfrequenz und Speicherstrategie definiert. Sicherheits- und Alarmereignisse des Sicherheitsüberwachungs- und Managementsystems (siehe SIL3-Sicherheitsüberwachungslösung) werden ebenfalls direkt über OPC UA an die Plattformebene übertragen – ohne zusätzliche Verkabelung. Nachfolgend eine typische OPC-UA-Knotenkonfiguration für Brückenkrane:
| Knoten | Datentyp | Aktualisierungsfrequenz | Speicherstrategie |
| Hubwerk | Float | 100 ms | Zyklisch |
| Kranfahrwerk | Float | 100 ms | Zyklisch |
| Katzenmechanismus | Float | 100 ms | Zyklisch |
| Sicherheitssystem | Boolean | Ereignisgesteuert | Ereignisprotokoll |
| Umgebungsparameter | Float | 1 s | Zyklisch |
| OPC UAKnotenpfad | Datentyp | AktualisierungFrequenz(ms) | Speicherstrategie | Alarmschwelle |
|---|---|---|---|---|
| Hoist/CurrentLoad | Float | 100 | Totbandfilter2%InfluxDB | >90%Nenn- |
| Hoist/MotorTemp | Float | 1000 | Totbandfilter1℃InfluxDB | >155℃ |
| Hoist/Speed | Float | 100 | DifferenzcodierungInfluxDB | — |
| Crane/Position/X | Float | 100 | DifferenzcodierungInfluxDB | — |
| Crane/Position/Y | Float | 100 | DifferenzcodierungInfluxDB | — |
| Safety/FaultCode | Int32 | Ereignisgesteuert | PostgreSQL | jede Nicht-0Code |
| Safety/EmergencyStop | Boolean | Ereignisgesteuert | PostgreSQL | TrueNotfall-Alarm |
| Environment/WindSpeed | Float | 1000 | TotbandfilterInfluxDB | >20m/s |
Digitaler Zwilling und OEE-Analyse im Kranbetrieb
Das 3D-Modell des Digitalen Zwillings wird mittels WebGL (Three.js) in Leichtbauweise gerendert und im Browser geladen. Die Sensordaten werden in Echtzeit auf das 3D-Modell des Brückenkrans abgebildet – die Farbe des Hauptträgers ändert sich je nach Last (Grün/Gelb/Rot), die Hakenposition wird in Echtzeit mit den Encoder-Daten abgeglichen, und Fehlerstellen werden durch Blinken hervorgehoben. Das 3D-Modell eines einzelnen Brückenkrans ist nach glTF-Komprimierung etwa 8–15 MB groß; bei einem Szenario mit 100 Kränen läuft der Browser weiterhin flüssig.
Das OEE-Analysemodul berechnet die Gesamtanlageneffektivität nach DIN EN 15341: OEE = Verfügbarkeit × Leistung × Qualität. Im Kranbetrieb erfasst die Verfügbarkeit geplante und ungeplante Stillstände, die Leistung vergleicht den tatsächlichen mit dem theoretischen Lastspiel-Takt, und die Qualität entspricht der Erfolgsquote der Anschlagmittel-Positionierung. Ein typisches Beispiel: Bei einem Automobilwerk lag die monatliche OEE einer Gruppe von 32-t-Brückenkranen bei 72 %. Der Engpass war Wartezeit auf Material (45 % der ungeplanten Stillstände). Durch die Optimierung des Dispositionssystems für unbemannte Krane (siehe Mehrkran-Koordinationslösung) konnte die OEE auf 81 % gesteigert werden. Der Edge-Gateway ist mit einem Zeitreihen-Komprimierungsalgorithmus (Rotationstor-Komprimierung, Komprimierungsverhältnis 8:1 bis 15:1) vorinstalliert. Das tägliche Datenaufkommen pro Kran wird auf unter 50 MB begrenzt, wodurch die monatlichen 4G/5G-Datenkosten bei etwa 30 EUR pro Kran liegen.
Die System-Alarm-Engine unterstützt eine dreistufige Eskalation: Hinweis-Meldungen werden an das Wartungspersonal per WeCom gesendet (inkl. Fehlercode-Analyse und Handlungsempfehlungen), Warn-Meldungen gehen an den Werkstattleiter und den Wartungsschichtführer (inkl. Fehlertrenddiagramm), und kritische Alarme werden an den Werksleiter und den Leiter der Abteilung für Arbeitssicherheit und Umwelt übermittelt (inkl. Unfall-Screenshot und Standortinformationen). Die Alarmkonfiguration ermöglicht individuelle Regeln pro Kran, Baugruppe und Fehlercode sowie einen Schichtplan für das Bereitschaftspersonal. Geplante Berichte werden täglich, wöchentlich oder monatlich mit OEE-Statistiken, Trendanalysen und einer Geräte-Gesundheitsbewertung automatisch als PDF generiert und per E-Mail versendet.
Fernüberwachungslösung von Kelude für höhere Kranverfügbarkeit
Die Fernüberwachungsplattform für Brückenkrane von Kelude Schwerindustrie unterstützt die Anbindung an SPS-Steuerungen verschiedener Hersteller (Siemens, Schneider, Mitsubishi, Omron). Der Edge-Gateway ist werksseitig mit einem OPC-UA-Serverprogramm ausgestattet (Plug-and-Play). Die Cloud-Plattform bietet ein Ticket-Management (automatische Erstellung von Wartungsaufträgen und Push-Benachrichtigung an das Wartungspersonal per WeCom). Das System umfasst standardmäßig einen Web-basierten Überwachungsbildschirm und eine mobile App. Die OEE-Analyse unterstützt den Export als PDF-Bericht für tägliche, wöchentliche, monatliche oder frei wählbare Zeiträume. Kelude Schwerindustrie bietet eine kostenlose Vor-Ort-Bewertung und Lösungsplanung für das Fernüberwachungssystem an.
