ISO 13374: Zustandsüberwachung und -diagnose von Maschinen — Datenverarbeitung, Kommunikation und Darstellung
ISO 13374 ist einer der einflussreichsten Standards im industriellen IoT und in der Zustandsüberwachung Software. Anstatt festzulegen, wie eine Messung durchzuführen ist, befasst er sich mit einem völlig anderen Problem: Interoperabilität — wie Daten von verschiedenen Sensoren, Erfassungshardware und Analyseplattformen ohne proprietäre Schranken zusammenfließen können. Er legt eine standardisierte, offene Architektur dafür fest, wie Zustandsüberwachungsdaten verarbeitet, gespeichert und ausgetauscht werden sollen, und ist eng mit der MIMOSA-Architektur (Machinery Information Management Open Systems Alliance) verknüpft, auf der er aufbaut. Das Ziel ist eine “Plug-and-Play”-Umgebung für die Zustandsüberwachungstechnik; das Herzstück des Standards ist ein funktionales Sechsblockmodell, das den Weg vom rohen Sensorsignal bis hin zu einer klaren Wartungsempfehlung nachzeichnet.
1. Zusammenfassung: Was ISO 13374 bezweckt
Während messorientierte Normen angeben, was was zu messen ist und gegen welchen Grenzwert, regelt ISO 13374, wie die Informationen weitergeleitet und strukturiert werden, nachdem sie erfasst wurden. Er ergänzt die mess- und verfahrensbezogenen Normen, anstatt mit ihnen zu konkurrieren: Eine Schwingungsbeurteilungsnorm wie ISO 20816-1 (der moderne Nachfolger von ISO 10816) liefert die Alarmgrenzwerte, die allgemeine Überwachungsnorm ISO 13373-1 beschreibt das Schwingungsüberwachungsverfahren, und die übergeordnete Norm ISO 17359 legt die allgemeine Zustandsüberwachungsstrategie fest — während ISO 13374 die offene Datenarchitektur definiert, die die Ergebnisse zwischen den Systemen überträgt. Die Norm ist in mehreren Teilen veröffentlicht und beschreibt eine mehrschichtige Informationsarchitektur; ihr Kern ist ein funktionales Blockdiagramm mit sechs Schlüsselschichten, die den Datenfluss in einem beliebigen Zustandsüberwachungssystem darstellen.
2. Die sechs Funktionsblöcke
Das Modell lässt sich am besten als Pipeline verstehen. Jeder Block verarbeitet die Ausgabe des vorherigen und erzeugt etwas Verfeinertes — vom rohen Spannungssignal am Eingang bis hin zu einer umsetzbaren Handlungsempfehlung am Ausgang.
-
1. DA — Datenerfassungsblock:
Dies ist die Grundschicht, die Schnittstelle zwischen der physischen Maschine und dem digitalen Überwachungssystem. Der DA-Block kommuniziert direkt mit Sensoren — wie etwa Beschleunigungsaufnehmer, Näherungssonden, Temperatursensoren, oder Druckaufnehmern — und erfasst die rohen, unverarbeiteten analogen oder digitalen Signale, die diese erzeugen. Er ist für alle hardwarenahen Interaktionen zuständig: die Versorgung der Sensoren mit Strom (z. B. IEPE-Speisung für Beschleunigungsaufnehmer), die Signalaufbereitung durch Verstärkung und Filterung zur Unterdrückung unerwünschter Störsignale sowie die Analog-Digital-Wandlung (ADC). Seine Ausgabe ist ein digitalisierter Datenstrom aus Rohdaten — in der Regel ein Zeitwellenform — der an die nächste Schicht weitergeleitet wird.
-
2. DM — Datenmanipulationsblock:
Dies ist die Recheneinheit des Überwachungssystems. Er empfängt den rohen, digitalisierten Datenstrom (beispielsweise den Zeitbereichsverlauf) vom DA-Block und wandelt ihn in aussagekräftigere Datentypen um, die für die Analyse geeignet sind. Seine Kernfunktion ist die standardisierte Signalverarbeitung — insbesondere die Schnelle Fourier-Transformation (FFT), die das zeitbereichsbezogene Signal in ein frequenzbereichsbezogenes Spektrum. Weitere in diesem Block definierte Aufgaben umfassen die Berechnung von Breitbandkennwerten wie dem Gesamtpegel Effektivwert werte, die Durchführung digitaler Integration zur Umwandlung von Beschleunigung in Geschwindigkeit oder Verschiebung, sowie die Ausführung fortgeschrittener Verfahren wie Demodulation oder Hüllkurvenanalyse zur Erkennung der charakteristischen hochfrequenten Stoßimpulse von Wälzlagerfehlern.
-
3. SD — Zustandserkennungsblock:
Dieser Block markiert den entscheidenden Übergang von der Datenverarbeitung zur automatisierten Zustandserkennung. Er übernimmt die verarbeiteten Daten aus dem DM-Block (Effektivwerte, spezifische Frequenzamplituden, Spektralbänder) und wendet logische Regeln an, um den Betriebszustand der Maschine zu bestimmen — hier wird ein Problem erstmals “erkannt.” Seine Hauptfunktion ist die Schwellenwertprüfung: Er vergleicht die gemessenen Werte mit vordefinierten Alarmgrenzwerten, beispielsweise den Zonengrenzen gemäß ISO 20816 (früher ISO 10816) oder benutzerdefinierte prozentuale Änderungen gegenüber einem Basislinie. Auf dieser Grundlage weist er den Daten einen diskreten Zustand zu — “Normal,” “Akzeptabel,” “Warnung” oder “Gefahr” — und wandelt so rohe Messwerte in handlungsrelevante Informationen um, die zur Diagnose weitergeleitet oder zur Auslösung einer sofortigen Alarm.
-
4. HA — Zustandsbewertungsblock:
Dieser Block fungiert als das “Gehirn” des Diagnosesystems und beantwortet die Frage: “Was ist das Problem?” Er erhält die Zustandsinformationen (zum Beispiel einen “Alarm”-Status) aus dem SD-Block zusammen mit den aufbereiteten Daten aus dem DM-Block und wendet analytische Intelligenz an, um die spezifische Grundursache der Anomalie zu finden. Hier läuft die Diagnoselogik — von einfachen regelbasierten Systemen bis hin zu komplexen Algorithmen der künstlichen Intelligenz. Wenn der SD-Block beispielsweise hohe Schwingungen bei einer Frequenz genau mit dem Zweifachen der Wellendrehzahl (2X) meldet, würde die regelbasierte Logik dieses Muster korrelieren und als Diagnose “wahrscheinliche Welle Fehlausrichtung.” Wenn die Warnung auf einem nicht-synchronen, hochfrequenten Peak mit charakteristischen Seitenbänder, würde eine spezifische Lagerschaden. Das Ergebnis ist eine konkrete Zustandsbewertung für das Maschinenbauteil.
-
5. PA — Prognostic Assessment Block:
Dieser Block repräsentiert den Höhepunkt der vorausschauende Wartung, mit dem Ziel, die entscheidende Frage zu beantworten: “Wie viel länger kann er sicher betrieben werden?” Er übernimmt die spezifische Fehlerdiagnose aus dem HA-Block und kombiniert sie mit historischen Trend Daten, um die Entwicklung des Fehlers vorherzusagen. Dies ist die komplexeste Schicht, die häufig Modelle des maschinellen Lernens oder physikalische Ausfallmodelle einsetzt, um die aktuelle Degradationsrate zu extrapolieren und die verbleibende Verbleibende Nutzungsdauer (RUL) des Bauteils zu schätzen. Wenn der HA-Block einen Wälzlagerschaden identifiziert, analysiert der PA-Block, wie schnell die Schadensfrequenzen in den vergangenen Monaten gewachsen sind, um vorherzusagen, wann sie ein kritisches Niveau erreichen werden. Das Ergebnis ist nicht nur eine Diagnose, sondern auch ein Handlungszeitraum — der Bereich der Prognose.
-
6. AG — Advisory Generation Block:
Dies ist die abschließende und aus Nutzersicht kritischste Schicht, da sie alle zugrundeliegenden Daten und Analysen in handlungsrelevante Erkenntnisse überführt. Der AG-Block kommuniziert die Ergebnisse der untergeordneten Schichten an Bediener, Instandhaltungsingenieure und Wartungsplaner — und präsentiert die richtigen Informationen zur richtigen Zeit im richtigen Format. Das kann intuitive Dashboards mit farbcodierten Zustandsindikatoren, automatisch generierte E-Mail- oder SMS-Benachrichtigungen oder detaillierte Diagnoseberichte mit Spektral- und Zeitbereichsdarstellungen sowie vor allem klare Wartungsempfehlungen umfassen. Ein effektiver AG-Block stellt nicht lediglich fest, dass ein Lager einen Defekt aufweist; er liefert eine vollständige Handlungsempfehlung, beispielsweise: “Innenringschaden am motorseitigen Lager (außen) erkannt. Geschätzte Restnutzungsdauer: 45 Tage. Empfehlung: Lagerwechsel bei der nächsten geplanten Abschaltung einplanen.”
3. Schlüsselbegriffe
- Interoperabilität: das primäre Ziel von ISO 13374. Durch die Definition eines gemeinsamen Rahmens und Datenmodells ermöglicht es einem Unternehmen, Sensoren von Anbieter A, ein Datenerfassungssystem von Anbieter B und Analysesoftware von Anbieter C einzusetzen und diese nahtlos miteinander zu betreiben.
- Offene Architektur: Der Standard fördert offene, nicht-proprietäre Protokolle und Datenformate, verhindert Herstellerabhängigkeit und fördert Innovation in der gesamten Zustandsüberwachungsbranche.
- MIMOSA: Der Standard basiert stark auf der Arbeit der MIMOSA-Organisation. Das Verständnis des C-COM (Common Conceptual Object Model) von MIMOSA ist der Schlüssel zum Verständnis der detaillierten Implementierung von ISO 13374.
- Von Daten zu Entscheidungen: Das Sechs-Block-Modell bietet einen logischen Pfad von rohen Sensormesswerten (Datenerfassung) zu umsetzbaren Wartungsempfehlungen (Empfehlungsgenerierung) und bildet so das digitale Rückgrat eines modernen Predictive-Maintenance-Programms sowie eine natürliche Grundlage für zustandsorientierte Instandhaltung.
4. Die Bedeutung der Norm in der Praxis
ISO 13374 äußert sich bewusst nicht zu Messgeräten und Grenzwerten – genau das macht sie so wirkungsvoll: Sie ermöglicht es, die übrigen Teile der Toolchain unabhängig voneinander weiterzuentwickeln. In einem typischen Zuverlässigkeitsprogramm steht sie neben den Normen, die definieren, was wird gemessen und wie schwerwiegend wie das Ergebnis aussieht. Die Schwellenwerte, die den SD-Block speisen, stammen aus Schweregrads-Normen und aus eigenen Basislinienwerten; die prognostischen Modelle im PA-Block stützen sich auf die Daten, die die Architektur zuverlässig bewahrt hat. Praktische Hilfsmittel fügen sich nahtlos in dieses Bild ein – ein Rechner für Zustandsüberwachungsparameter hilft dabei, die Alarm- und Gefahrenschwellenwerte festzulegen, die der SD-Block anwenden wird, ein Methodenauswahl für die Zustandsüberwachung hilft bei der Wahl der Verfahren, die die DA- und DM-Blöcke umsetzen werden, und ein RUL-Prognoserechner spiegelt die Arbeit des PA-Blocks bei der Schätzung der Restlebensdauer wider. Für Online-Deployments liegt derselbe Sechsblock-Ablauf zugrunde – Online-Überwachung Systeme und die Telemetrie die deren Daten trägt.
5. Das Feldmessgerät am unteren Ende der Schichtenarchitektur
Jede Ebene von ISO 13374 hängt letztlich von verlässlichen Rohdaten aus den DA- und DM-Blöcken ab — sind Erfassung oder Verarbeitung mangelhaft, kann selbst die beste Prognostik die Schlussfolgerung nicht retten. Genau hier zeigt ein leistungsfähiges Feldgerät seinen Wert. Ein tragbarer Zweikanal-Analysator wie der Balanset-1A übernimmt die DA- und DM-Rollen in einem einzigen Handgerät: Es versorgt seine Beschleunigungsaufnehmer und liest sie aus, erfasst das Zeitsignal, berechnet das FFT-Spektrum und den Gesamtrms-Wert und stellt das Ergebnis für die Zustandsdetektion dar. Wenn sich herausstellt, dass eine auf der SD- oder HA-Ebene auffällige Maschine an Unwucht, schließt dasselbe Gerät den Regelkreis, indem es Vor-Ort-Auswuchtung den Rotor in seinen eigenen Lagern auswuchtet – eine Erinnerung daran, dass die Datenarchitektur dazu dient, echte Korrekturmaßnahmen in der Werkstatt anzustoßen, und nicht nur ein Dashboard zu befüllen.
6. Die offizielle Norm
ISO 13374 wird von der Internationalen Organisation für Normung in mehreren Teilen veröffentlicht; der Teil mit den allgemeinen Leitlinien legt die Funktionsblöcke fest, spätere Teile behandeln die Datenverarbeitung und die Darstellung verarbeiteter Daten. Der maßgebliche, vollständige Text – einschließlich der formalen Definitionen der einzelnen Blöcke und des zugehörigen Datenmodells – ist über den offiziellen ISO-Store käuflich erhältlich, wo die Norm unter ihrer ISO-Referenznummer geführt wird. Die vorstehende Zusammenfassung ist für den täglichen Ingenieursgebrauch als eigenständige Darstellung konzipiert; für Konformitätsnachweise und die detaillierte Implementierung bleibt die veröffentlichte Norm die maßgebliche Quelle.
