Condition Monitoring Seminare in Berlin
Condition Monitoring schützt vor ungeplantem Stillstand von Getrieben und Wälzlagern
(PresseBox) - Nur wenn man einen Schaden an einem mechanischen Antrieb frühzeitig erkennt, kann man gezielt Ersatzteile, Instandsetzungspersonal und Hebezeuge beschaffen und den Instandsetzungstermin genau planen. Um den tatsächlichen Schädigungszustand ohne Stillstand und Demontage von Maschinen zu ermitteln, nutzt man die Schwingungsdiagnose. Im Schwingungssignal sieht man die meisten Schäden bereits sehr lange, oft Monate vor dem Versagen eines Antriebselements.
Das funktioniert, weil Schäden an Maschinen zu Schwingungen führen. Diese Schwingungen können gemessen und analysiert werden. Bei der Analyse wird nach typischen Schadensmustern gesucht. So entstehen absolut eindeutige Hinweise auf Unregelmäßigkeiten. Und es gilt, wenn keines dieser Symptome nachweisbar ist, ist in der Regel auch keine Unregelmäßigkeit vorhanden.
Die Qualität der Maschinendiagnose wird von der Qualität der einzelnen Verfahrensschritte bestimmt. Wie das genau funktioniert, wird im Seminar Condition Monitoring an Getrieben und Wälzlagern vom 15. bis zum 16. September 2020 in Berlin vermittelt. Es werden die Grundlagen zur Entstehung von Schäden, zu verschiedenen Schadensbildern sowie zu Möglichkeiten der Diagnose vorgestellt. Darüber hinaus werden Praxisbeispiele diskutiert und erste Diagnosefertigkeiten trainiert. Abschließend werden Wege zur Automatisierung der Maschinendiagnose gezeigt ? ein notwendiger Schritt zum effizienten Condition Monitoring.
Die vermittelten Grundlagen sind absolut allgemeingültig, gelten also unabhängig vom konkreten Fabrikat, das durch die Teilnehmer verwendet werden. Ergänzend werden natürlich die Systeme der GfM vorgestellt, das bis zu 12-kanalige mobile Diagnosesystem PeakStore5 und das vollautomatische Online Condition Monitoring System Peakanalyzer.
Zur Arbeit mit dem Peakanalyzer gibt es am 17. September 2020 ein separates Seminar. Dort werden Kenntnisse zur Installation und Inbetriebnahme, zur Konfiguration, zum automatisierten Monitoring und zur manuellen Diagnose von Schäden vermittelt. Das Seminar ist für aktive Anwender genauso interessant wie für Teilnehmer, die das System bisher noch nicht kennen.
Beide Seminare finden in Berlin statt und richten sich an praxisorientierte Ingenieure und Techniker aus den Bereichen Inbetriebnahme und Instandhaltung, die selbst Condition Monitoring durchführen oder aber maschinendiagnostische Dienstleistungen einschätzen und bewerten müssen.
Die GfM Gesellschaft für Maschinendiagnose mbH ist Spezialist für die Diagnose von wälzgelagerten Industriegetrieben. Neben der Schwingungsdiagnose an Antrieben, der Drehmomentanalyse sowie der Inspektion, der Endoskopie und der Rotorblattlagerdiagnose an Windenergieanlagen werden Messgeräte für die Offline-Maschinendiagnose sowie Online-Condition-Monitoring-Systeme entwickelt und vertrieben. Darüber hinaus bietet die GfM Seminare zur Thematik an.
Mittels Schwingungsdiagnose ist es möglich, kleinste Unregelmäßigkeiten an Getrieben und Wälzlagern frühzeitig zu erkennen. Diese Unregelmäßigkeiten können Schäden an Wälzlagern, Zahnrädern und Wellen, Unwucht und Ausrichtfehler sein. Der Betreiber von Maschinen mit mechanischen Antrieben gewinnt so Zustandsinformationen, die ihm die Planung der Instandhaltung erleichtern und ihn vor ungeplanten Stillständen bewahren.
Zur Erfassung von Daten werden Online- und Offline-Systeme angeboten. Die Betreuung der Systeme und Verarbeitung der Daten werden mit Hilfe der Software Peakanalyzer Manager realisiert, mit der auch Daten anderer Quellen vollautomatisiert verarbeitet werden können.
Die GfM wurde 1999 gegründet und ist seitdem unabhängig. Die Diagnoseberichte und Gutachten haben neutralen Charakter.
Themen in dieser Meldung:
Unternehmensinformation / Kurzprofil:
Die GfM Gesellschaft für Maschinendiagnose mbH ist Spezialist für die Diagnose von wälzgelagerten Industriegetrieben. Neben der Schwingungsdiagnose an Antrieben, der Drehmomentanalyse sowie der Inspektion, der Endoskopie und der Rotorblattlagerdiagnose an Windenergieanlagen werden Messgeräte für die Offline-Maschinendiagnose sowie Online-Condition-Monitoring-Systeme entwickelt und vertrieben. Darüber hinaus bietet die GfM Seminare zur Thematik an.Mittels Schwingungsdiagnose ist es möglich, kleinste Unregelmäßigkeiten an Getrieben und Wälzlagern frühzeitig zu erkennen. Diese Unregelmäßigkeiten können Schäden an Wälzlagern, Zahnrädern und Wellen, Unwucht und Ausrichtfehler sein. Der Betreiber von Maschinen mit mechanischen Antrieben gewinnt so Zustandsinformationen, die ihm die Planung der Instandhaltung erleichtern und ihn vor ungeplanten Stillständen bewahren.Zur Erfassung von Daten werden Online- und Offline-Systeme angeboten. Die Betreuung der Systeme und Verarbeitung der Daten werden mit Hilfe der Software Peakanalyzer Manager realisiert, mit der auch Daten anderer Quellen vollautomatisiert verarbeitet werden können.Die GfM wurde 1999 gegründet und ist seitdem unabhängig. Die Diagnoseberichte und Gutachten haben neutralen Charakter.
Datum: 15.06.2020 - 06:00 Uhr
Sprache: Deutsch
News-ID 1823017
Anzahl Zeichen: 0
Kontakt-Informationen:
Ansprechpartner:
Stadt:
Berlin
Telefon:
Kategorie:
Maschinenbau
Anmerkungen:
Diese HerstellerNews wurde bisher 342 mal aufgerufen.
Die Meldung mit dem Titel:
"Condition Monitoring Seminare in Berlin
"
steht unter der journalistisch-redaktionellen Verantwortung von
GfM Gesellschaft für Maschinendiagnose mbH (Nachricht senden)
Beachten Sie bitte die weiteren Informationen zum Haftungsauschluß (gemäß TMG - TeleMedianGesetz) und dem Datenschutz (gemäß der DSGVO).
Alle Meldungen von GfM Gesellschaft für Maschinendiagnose mbH
Mit Frequenzumrichtern zur Höchstleistung: Effizienz und Flexibilität neu definiert
KI trifft auf Profit - Peller Trading, Deutschlands führendes Handelssystem
Effizienz neu gedacht: IE3- und IE4-Motoren für maximale Energieeinsparung
Automatisierung einer Hobelanlage für Kunststoffplatten
Effiziente Dimensionierung: Seitenkanalverdichter optimal auf Ihre Anforderungen abstimmen