Ungeplante Pressenstillstände vermeiden

Schwingungsüberwachung am Pressenantrieb: Ausfälle des Motors vorhersagen – warte nicht bis zum Stillstand.

Multisensor-Daten wie Schwingung & Temperatur am Antrieb erfassen, mit KI auswerten und Wartung planen.

Zustandsüberwachung am Pressenantrieb

Du willst zu einem beliebigen Zeitpunkt wissen, ob dein Pressenantrieb stabil läuft? Genau dafür rüstest du ein Multisensorensystem ein. Damit kannst du Ausfälle rechtzeitig vorhersagen und dein Budget optimal planen.

In 10 Minuten zu den ersten Erkenntnissen.

Durch Drahtlos-Sensoren ist es besonders einfach das Multisensorsystem nachzurüsten. Das Gateway und die Dateninfrastruktur sorgen für die Datenverwaltung. Die KI kann bereits zu Projektbeginn gewisse Auswertungen vornehmen. Komplexere Auswertungen sind schnell integriert. Das Browser-Cockpit zeigt dir nur die Ergebnisse an, die du wirklich brauchst.

Support- & Individualisierungsanfragen für jede Systemkomponente.

Sensorknoten, Dateninfrastruktur, Auswertealgorithmen oder Datenabruf. Alle Systemkomponenten kommen aus einer Hand. Sie sind für einen reibungslosen Betrieb aufeinander abgestimmt. Wenn du eine individuelle Lösung anfragen möchtest oder Support brauchst, kannst du uns fragen. Egal bei welcher Systemkomponente.

Motoren-Stillstände mit Multisensorik robust vorhersagen.

Multisensoren sind für deine KI und Datenauswertung wie zusätzliche Sinne.

Statt nur „Schwingung ja/nein“ bekommst du ein Gesamtbild deines Motors aus verschiedenen Sensorinformationen (Vibration, Temperatur, …) am Messpunkt. Dadurch erkennt deine KI drohenden Stillstand besser. Mit diesen Informationen kannst du proaktiv Teile tauschen, statt dich auf eine Jahreseinschätzung zu verlassen.

So setzt du das Multisensor-Cockpit ein

1. Sensorknoten am Antrieb anbringen

Du platzierst die Sensorknoten an den relevanten Punkten deines Antriebsstrangs, zum Beispiel an Motor, Getriebe, Lager oder Kupplung. Du startest ohne aufwändige Verkabelung und ohne lange Stillstände.

2. Gateway einschalten und Daten erfassen

Du nimmst das Gateway in Betrieb und startest die Datenerfassung. Du bekommst direkt einen Datenstrom aus der Anlage und schaffst Transparenz über den Zustand im laufenden Betrieb.

3. Zustand im Cockpit verfolgen und Maßnahmen planen

Du siehst Trends und Auffälligkeiten im Browser. Du leitest daraus ab, ob du im nächsten Wartungsintervall aktiv wirst und welche Maßnahmen du einplanst.

Wartung am Pressenantrieb planbar machen

Wenn du in einem Spanplattenwerk die Hauptpresse absichern willst, führt kaum ein Weg an einer Schwingungsüberwachung am Pressenantrieb vorbei. Denn der Pressenantrieb ist oft der kritische Engpass: Sobald Motor oder Antriebstrang ausfallen, steht nicht „irgendeine Anlage“, sondern häufig die gesamte Linie – mit hohen Stillstandkosten, hoher interner Koordination und massivem Druck auf Instandhaltung und Produktion.

Genau deshalb geht es in diesem Use Case nicht um „mehr Daten“, sondern um Zustand sichtbar machen:

als Verlauf statt Momentaufnahme,
mit eindeutigen Signalen für Lager, Antrieb und Lastzustände,
und mit genügend Vorlauf, um Wartungsintervall, Budget und Ersatzteile planbar zu machen.

In diesem Abschnitt liest du, welchen Job du rund um den Pressenantrieb lösen willst, warum jährliche Beurteilungen im Alltag zu unscharfen Entscheidungen führen, welche Anforderungen eine Retrofit-Lösung erfüllen muss – und wie du orbit sense READY in einem Pilot so einsetzt, dass aus Messwerten echte Planbarkeit wird.

Den Motoren-Zustand kontinuierlich einschätzen

Du verantwortest, dass der Pressenantrieb zuverlässig läuft. Dein Job ist, zwischen Wartungsintervallen einschätzen zu können, ob der Antrieb stabil arbeitet – oder ob sich ein Risiko aufbaut, das du früh in deine Planung ziehen musst.

In der Praxis bedeutet das: Du willst nicht erst einmal im Jahr hören „in 5–8 Monaten könnte es kritisch werden“, sondern du willst im Alltag Antworten auf Fragen wie:

Wie ist der Lagerzustand heute – und wie entwickelt er sich? (Lagerdiagnose über Schwingung)
Gibt es Anzeichen, dass sich ein Schaden aufbaut? (Trend/Drift statt Bauchgefühl)
Wie verändert sich das Verhalten unter Last? (Lastzustände sauber einordnen)
Wie viel Vorlauf habe ich realistisch? (Wartung planbar statt reaktiv)

Gerade bei großen Pressen ist das entscheidend: Ein ungeplanter Stillstand kann extrem teuer werden, und ein Tausch am Hauptantrieb kann sehr lange dauern. Je früher du Zustand und Trend siehst, desto eher kannst du Maßnahmen so legen, dass Produktion, Ersatzteile und Dienstleister ohne Eskalation zusammenpassen.

Die Ausgangslage: Momentaufnahme statt Verlauf

Viele Spanplattenwerke beurteilen die große Presse und ihren Pressenantrieb einmal jährlich. Das gibt dir eine Momentaufnahme. Dein Betrieb verändert sich jedoch permanent: Lastwechsel, Schichtbetrieb, Temperatur, Material, Anfahr- und Stillstandsphasen. Wenn du den Verlauf nicht siehst, planst du mit Unsicherheit.

Diese Unsicherheit erzeugt typische Effekte:

Du setzt Wartungsintervalle und Budgets grob an, weil dir Zwischensignale fehlen.
Du tauschst Teile prophylaktisch, weil du das Risiko nicht sauber quantifizieren kannst.
Du reagierst auf Ereignisse, statt sie in deinen Plan zu ziehen.
Du gerätst in Erklärungsdruck, wenn ein Stillstand zur falschen Zeit kommt.

Das Kernproblem ist: Zwischen den Wartungsintervallen ist der Zustand unbekannt. Und genau da entsteht der Stress. Sobald der Pressenantrieb ungeplant ausfällt, musst du unter Zeitdruck Ursachen finden, Maßnahmen koordinieren und Kosten rechtfertigen – obwohl du ohne Verlauf kaum eine Chance hattest, die Entwicklung vorher sauber zu sehen.

Die Lösung ist nicht „noch ein Bericht“, sondern Zustandsüberwachung als kontinuierlicher Verlauf: Schwingungen, Temperatur und Kontextsignale zeigen dir, ob sich etwas aufbaut – lange bevor es knallt.

Eine Praxistaugliche Lösung zum Nachrüsten

Du willst schnell herausfinden, ob ein Ansatz an eurer Presse funktioniert. Du brauchst klare Signale, die du im Alltag nutzen kannst. Und du willst nicht erst ein monatelanges Integrationsprojekt starten.

Eine praxistaugliche Retrofit-Lösung für Schwingungsüberwachung am Pressenantrieb erfüllt deshalb meist diese Anforderungen:

1) Schneller Einstieg ohne Anlagenumbau
Du willst Sensoren nachrüsten, Messpunkte testen und binnen kurzer Zeit erste Trends sehen – ohne Stillstandsprojekt.

2) Eindeutige Diagnosesignale statt Datensalat
Du willst erkennen, ob ein Lager gesund läuft oder ob sich ein typisches Muster für Verschleiß/Schäden aufbaut. Genau hier ist Vibrationsanalyse stark, weil Lagerzustände sich in Schwingungen oft deutlich abbilden lassen.

3) Kontext für Last und Betriebszustände
Schwingungen allein sind gut – aber im Werk willst du auch verstehen, warum sich ein Signal verändert. Lastwechsel sind dabei der Alltag. Wenn du zusätzlich Last-/Betriebszustände sauber einordnen kannst, wird deine Bewertung stabiler und deine Planung besser.

4) Geringe Abstimmung mit IT und Betrieb
Du willst eine Lösung, die du betreiben kannst, ohne interne Ressourcen dauerhaft zu binden – und die Ergebnisse müssen für Instandhaltung und Produktion nachvollziehbar sein.

orbit sense READY als Gesamtlösung

Das orbit sense READY setzt du als durchgängiges System ein: Erfassung → Übertragung → Visualisierung → (optional) Modell/Logik.

Erfassung am Antrieb (Messpunkte in der Praxis)
Für den Pressenantrieb sind typische Messorte dort, wo sich Zustandsänderungen am besten zeigen – besonders bei Lager- und Antriebsproblemen:

Lagerstellen am Motor (z. B. Lagergehäuse / nahe Lagerbock)
Antriebstrang-Nähe (z. B. Kupplungs-/Getriebebereich, je nach Aufbau)
Maschinenstruktur / Fundamentnähe als Zusatzpunkt (wenn du wissen willst, wie sich Schwingungen in die Struktur übertragen und ob sich „das Gesamtverhalten“ ändert)

Wichtig ist dabei weniger „der eine perfekte Punkt“, sondern ein Setup, das dir reproduzierbare Trends liefert. Darum ist es hilfreich, Messpunkte im Pilot schnell zu testen und so zu wählen, dass das Signal stabil und aussagekräftig ist.

Montage: schnell nachrüsten, saubere Kopplung
Du hast mehrere Optionen, um die Schwingungen sauber in den Sensor zu bekommen:

Kleben für sehr schnelle Tests
Verschrauben über Montageplatte für eine stärkere, reproduzierbare mechanische Kopplung (typisch: besser für stabile Trendmessung)

Multisensorik: nicht nur Schwingung, sondern Kontext
Orbit erfasst nicht nur Vibrationen, sondern mehrere Signale pro Sensorknoten – genau das ist im Werk ein Vorteil, weil du Betriebskontext bekommst:

Schwingungen/Vibrationen für Lagerzustand, mechanische Veränderungen, Trend/Drift
Temperatur als zusätzlicher Indikator (z. B. thermische Belastung, Reibung, Veränderungen über Zeit)
Magnetfeldänderungen als indirekter Hinweis auf Lastzustände (wenn der Motor mehr/ weniger Last hat, ändert sich die Signatur)
Drehzahl indirekt erfassen (z. B. über Magnet-Impulse → daraus lässt sich eine Drehzahl ableiten)
Druck (wenn relevant im Umfeld/Prozess – als weiterer Kontextkanal)

Datenkette:
Die Knoten laufen akkubetrieben und übertragen drahtlos an ein Gateway. Im Browser-Cockpit siehst du Rohdaten (für Analyse) und verdichtete Signale (für den Alltag). Damit hast du eine saubere End-to-End-Kette von Messpunkt bis Visualisierung – ohne dass du erst eine Großintegration brauchst.

Was das Multisensorsystem im Werk bringt

Wenn du den Pressenantrieb mit Schwingungsüberwachung und Kontextsignalen überwachst, verändert sich dein Alltag spürbar. Fünf konkrete Effekte:

Du planst Wartung früher und sauberer
Du erkennst Trends im Lagerzustand und im Antriebsverhalten. Statt „irgendwann in 5–8 Monaten“ bekommst du eine Entwicklung, die du in Wartungsintervalle übersetzen kannst.
Du koordinierst ruhiger – ohne Eskalation
Mit Vorlauf kannst du Produktion, Ersatzteile und Dienstleister so einplanen, dass Stillstände nicht „passieren“, sondern geplant sind.
Du triffst Entscheidungen faktenbasiert statt prophylaktisch
Wenn du Trenddaten hast, musst du weniger auf Verdacht tauschen. Du kannst gezielter investieren und Maßnahmen begründen.
Du reduzierst Stillstandsrisiko an der Hauptpresse
Weil die Hauptpresse ein Engpass ist, sind ungeplante Stillstände besonders teuer. Zustandsüberwachung hilft dir, Risiken früh zu sehen und Maßnahmen in planbare Intervalle zu ziehen.
Du baust ein belastbares Zielbild auf: Transparenz → Warnlogik → optional ML

Stufe 1: stabile Messpunkte + Trendtransparenz
Stufe 2: Warnlogik/Schwellenwerte passend zu eurer Presse und euren Betriebszuständen
Stufe 3 (optional): Machine Learning als Planungshilfe, wenn du genug Daten über verschiedene Lastzustände gesammelt hast

Gerade die Last-Erkennung über Magnetfeldsignaturen und die indirekte Drehzahl helfen dabei, Messdaten besser zu interpretieren: Du trennst „Signal ändert sich wegen Last“ von „Signal ändert sich wegen Zustand“. Dadurch werden Warnungen belastbarer und du bekommst weniger Fehlalarme.

Du schaust ins Cockpit und siehst den Zustand des Pressenantriebs als Verlauf: stabil, driftend oder kritisch. Du erkennst früh, wenn sich ein Risiko aufbaut – und du kannst Maßnahmen in geplante Intervalle ziehen, statt von ungeplanten Stillständen überrascht zu werden.

Das entlastet Instandhaltung und Produktion:

weniger Ad-hoc-Einsätze
weniger Druck auf das Team
weniger Rechtfertigung im Nachhinein
mehr Planbarkeit bei Budget, Teilen und Ressourcen

So wird aus „Daueranspannung“ ein planbarer Prozess: Zustand erkennen, Maßnahmen ableiten, Stillstände kontrolliert durchführen.

Nächster Schritt: Kurzer Kontakt, klare Einschätzung

Du schilderst kurz eure Presse und euren Antriebsaufbau (Motor, Lagerstellen, Antriebstrang, typische Lastzustände, Wartungsintervalle). Wir geben dir eine klare Einschätzung:

welche Messpunkte für Schwingungsüberwachung am Pressenantrieb sinnvoll sind,
wie viele Sensorknoten für euren Pilot passen (typisch: bis zu 3 Messpunkte an einem Antrieb),
und wie der Pilot abläuft – von der schnellen Installation bis zur Auswertung.

Pilot-Logik, wie sie in der Praxis funktioniert:

Aufbau: in ~10 Minuten montiert (kleben oder verschrauben)
Erste Sichtung: innerhalb kurzer Zeit erste Signale/Trends prüfen und Messpunkte optimieren
Für ML/Belastbarkeit: Daten über mehrere Betriebszustände/Lasten sammeln; je nach Zielbild meist ab ~2 Wochen+, wenn verschiedene Lastzustände sauber abgebildet werden sollen

FAQ - Häufige allgemeine Fragen

Wie schnell bekomme ich erste verwertbare Ergebnisse nach der Installation?

Die ersten Daten laufen meist schon nach ca. 10 Minuten ein. Mit einfachen Auswertetechniken (Trends, Basischecks) kann direkt nach der Installation gestartet werden. Für belastbare Predictive-Modelle braucht es je nach Ziel zusätzlich Historie.

Was ist ein Sensorknoten und wie viele brauche ich?

Als Sensorknoten bezeichnen wir unseren Multisensor. Jeder Multisensor besteht aus einer Leiterplatine mit 10 Einzelsensoren: Schwingung/ Vibration (Beschleunigung), Gyro, Magnetfeld, Temperatur, Luftfeuchte, Luftdruck, VOC/BVOC, eCO₂, IAQ-Index und Licht. Zusätzlich können (je nach Setup) weitere externe Sensorparameter angebunden werden.

Standardmäßig wird ein System mit 5 Sensorknoten geliefert. Für einen Pressen-Motor starten viele Kunden mit 1–2 Sensorknoten, um Vibrationsdaten am Motor/Lager zu erfassen (plus optional Temperatur). Für die ganze Presseanlage kommen oft mehrere Punkte an Lagerstellen/Getrieben/Antrieben dazu. (Das hängt stark von Mechanik, Zugänglichkeit und dem erwarteten Fehlerbild ab.)

Wie werden die Sensorknoten montiert?

Es gibt mehrere Montageoptionen – je nachdem, wie „schnell“ oder wie „industrialisiert“ es sein soll:

ganz einfach & flexibel: doppelseitiges Klebeband oder Kabelbinder
robust/individuell: verschraubbare Montageplatten bzw. kundenspezifische Halter/Gehäuse
je nach Messpunkt auch möglich: Magnetmontage
Wichtig ist immer eine feste, schwingungstreue Befestigung am gewünschten Messpunkt.

Wie wie oft muss ich Batterien wechseln?

Das hängt stark vom Use Case ab – vor allem von der Abtastrate:

bei hochfrequenter Vibration (maximale Last) liegt die Laufzeit typischerweise bei 3–4 Tagen
bei wenigen Messungen (z. B. alle 15 Minuten für 2 Minuten) kann ein Sensorknoten mehrere Monate laufen.

Wenn dauerhaft hohe Messlast gefordert ist, kann die Energieversorgung auch kabelgebunden über das Stromnetz sichergestellt werden.

Kann ich vorhandene Sensorik integrieren?

Grundsätzlich ja. Standardmäßig arbeiten wir mit unserem Sensorknoten-Ökosystem, vorhandene Sensorik kann aber je nach Signal/Interface integriert werden – typischerweise über MQTT oder REST, oder über das Gateway mit Bluetooth. Wenn es keine direkte Standardanbindung gibt, ist es ein Integrationsprojekt.

FAQ - Häufige technische Fragen

Über welche Funk-/Kabelstandards sprechen Sensor und Gateway mit welcher Reichweite?

Sensorknoten zu Gateway läuft über Bluetooth Low Energy (BLE). Gateway zu Cloud läuft typischerweise über LTE oder WLAN. Die Reichweite hängt von den Umgebungsbedingungen ab; in der Praxis liegen wir – je nach Bandbreiten-/Datenlast – typischerweise bei bis zu ca. 10 Metern um das Gateway.

Wie viele Sensorknoten kann ein Gateway gleichzeitig bedienen?

Das hängt stark vom Use Case bzw. von der Datenrate ab:

bei hochfrequenten Vibrations-/Schwingungsdaten sind typischerweise 2–3 Sensorknoten pro Gateway realistisch
ein System wird üblicherweise ab 5 Sensorknoten geliefert
bei Umgebungsdaten (z. B. Temperatur/Feuchte) sind auch bis zu ca. 10 Sensorknoten möglich

Wie wird das Gateway in unsere IT integriert?

Standard ist die Anbindung per LTE/WLAN in die Cloud. Wenn Daten lokal bleiben sollen, kann das Gateway Daten auch an einen kundenseitigen MQTT-Broker oder in eine kundenseitige Datenbank übertragen. Typische Integrationen sind MQTT und REST.

Wie erfolgt die Inbetriebnahme und wie viel Aufwand ist das pro Maschine?

Typisch: Sensorknoten montieren → Messpunkte im Dashboard benennen → Daten prüfen. Für reines Monitoring geht das innerhalb von wenigen Minuten. Standard-Datenauswertung inbegriffen. Wenn ein komplexer KI-Use-Case umgesetzt wird, kommt zusätzlich Daten-/Zieldefinition und Abnahme dazu.

Wie werden Updates des Systems gemacht?

Updates erfolgen üblicherweise über Remote-Mechanismen (Gateway/Backend), damit die Systeme auf dem aktuellen Stand bleiben.

FAQ - Häufige Fragen zu den Daten

Welche Abtastraten sind möglich?

Für Vibration sind bis 800 Hz möglich (in Kürze auch bis zu 12kHz). Andere Umweltsensoren laufen typischerweise langsamer.

Welche Daten werden Wo gespeichert? Und wie lange?

Erfasst werden grundsätzlich Rohdaten. Bei der Verarbeitung (z. B. durch KI) kann entschieden werden, ob Rohdaten mit gespeichert werden oder ob nur aggregierte/verarbeitete Werte (Features/Ergebnisse) in die Datenbank weitergeschrieben und im Dashboard angezeigt werden.

Standardmäßig werden diese Daten in der Cloud auf deutschen, DSGVO-konformen Servern gespeichert. Alternativ kann das Gateway Daten auch an kundenseitiges MQTT oder eine kundenseitige Datenbank liefern.

Wenn Rohdaten auf unsere interne Datenbank geschrieben werden, kann die Speicherdauer konfiguriert werden. Typische Richtwerte liegen – je nach Datenmenge und Kundenanforderung – bei ca. 1 bis 12 Monaten.

Wer macht die Datenauswertung?

Das kann zweigleisig laufen: Du bekommst automatische Auswertungen (Dashboards/Alarme/Modelle), und wir unterstützen beim Setup und bei der Interpretation – je nachdem, ob du eher Self-Service willst oder Unterstützung im Projekt.

Wie wird das KI-Modell trainiert und Wie lange dauert die Lernphase?

Typisch: Ziel definieren → Daten sammeln → Features/Modelle testen → validieren → in Betrieb nehmen. Die Dauer reicht von einigen Wochen (Anomalie/Trend) bis mehrere Monate (Regression/RUL), abhängig davon, wie viele relevante Ereignisse/Stillstände als Lernbasis vorhanden sind.

Wie sieht euer Support aus?

Wir bieten einen Update-Service (verschiedene Laufzeiten möglich, mindestens 2 Jahre inklusive), mit dem das System per Remote-Update aktuell gehalten wird. Auch Fehleranalysen laufen in vielen Fällen sehr gut remote: Für jede Systemkomponente kann ein Remote-Serviceauftrag angefragt werden, um Ursachen zu prüfen und Maßnahmen abzuleiten.