Raffinerie-Predictive-Maintenance in Zone 1/2: LoRaWAN für zustandsnahe Telemetrie richtig einsetzen

Raffinerien sind für Predictive Maintenance besonders reizvoll und besonders anspruchsvoll. Pumpen, Wärmetauscher, Kompressoren, Ventile, Dampfabscheider, Motoren, Rohrleitungen und Nebenaggregate liefern viele Anzeichen, bevor ein Ausfall sichtbar wird. Gleichzeitig liegen viele Messpunkte in Bereichen, in denen brennbare Gase oder Dämpfe auftreten können. Zone 1 und Zone 2 sind deshalb kein Detail der Beschaffung, sondern ein zentrales Planungskriterium. LoRaWAN kann in solchen Umgebungen eine Telemetrieebene für kleine Zustandsdaten bilden, wenn Geräteauswahl, Explosionsschutz und Instandhaltungsprozess sauber zusammenspielen.

Predictive Maintenance bedeutet in einer Raffinerie nicht, dass ein Algorithmus selbstständig entscheidet, wann eine Anlage sicher weiterläuft. Es bedeutet zuerst, dass relevante Zustände früher sichtbar werden: steigende Lagerkennwerte, abweichende Motortemperaturen, ungewöhnliche Schaltzyklen, Kondensatprobleme, zunehmende Ventilreibung, Filterbelastung oder wiederkehrende Sensorfehler. LoRaWAN-Monitoring kann solche Werte aus schwer verkabelbaren Punkten einsammeln. Die Bewertung bleibt Teil von Mechanical Integrity, Betriebserfahrung und Prozesssicherheit.

Kurz zusammengefasst: LoRaWAN eignet sich in Raffinerien für nachgerüstete Zustandsdaten in Zone 1/2, wenn Endgeräte explosionsschutzgerecht ausgewählt und kleine, verdichtete Datenpakete übertragen werden. Es ersetzt keine Maschinensteuerung, keine Schutzfunktion und keine Prozesssicherheitsanalyse. Sein Nutzen liegt in zusätzlicher Sichtbarkeit für Instandhaltung, Inspektion und Planung.

Warum Zone 1/2 den Rahmen setzt

In Raffinerien entstehen explosionsgefährdete Bereiche durch brennbare Flüssigkeiten, Dämpfe, Gase, Entlüftungen, Flansche, Pumpen, Probenahmen und Wartungsvorgänge. Die HSE-DSEAR-Übersicht beschreibt die Pflicht, gefährliche Stoffe, Explosionsrisiken, Kontrollmaßnahmen, Notfallprozesse und Bereiche mit explosiver Atmosphäre zu bewerten. Für Predictive Maintenance heißt das: Der Sensorstandort entscheidet mit, welche Hardware überhaupt zulässig ist. Ein normaler Vibrationssensor wird nicht dadurch geeignet, dass er gute Daten liefert.

Der GOV.UK-Leitfaden zu Equipment for explosive atmospheres regulations zeigt den Produktkontext für Geräte und Schutzsysteme in explosionsgefährdeten Atmosphären. In der Praxis müssen Betreiber daher prüfen, ob Sensor, Batterie, Antenne, Gehäuse, Befestigung und Wartungsmodus zum Zonenkonzept passen. Predictive Maintenance darf keine neue Zündquelle in eine Anlage bringen, nur weil die Instandhaltung mehr Daten haben möchte.

Welche Daten LoRaWAN gut transportieren kann

LoRaWAN ist für kleine Datenpakete aus vielen Endgeräten gedacht. Die LoRa Alliance beschreibt LoRaWAN als LPWAN-Spezifikation für batteriebetriebene Geräte mit bidirektionaler Kommunikation und Ende-zu-Ende-Sicherheitsmechanismen. In einer Raffinerie ist das vor allem für verteilte Zusatzsensorik interessant. Ein Sensor muss nicht jede Schwingungskurve senden. Häufig reicht ein lokal berechneter Kennwert: RMS, Peak, Temperatur, Trend, Ereignisflag, Grenzwertstatus oder Betriebsstunden.

The Things Network weist in den LoRaWAN-Limitierungen darauf hin, dass kleine Payloads und moderate Sendeintervalle sinnvoll sind. Genau das passt zu vielen Raffinerieanwendungen: ein Pumpenlager sendet alle fünfzehn Minuten einen Kennwert, ein Steam-Trap-Sensor meldet Zustandswechsel, ein Schaltschrank meldet Temperatur und Türstatus, ein Ventil gibt nur bei unerwarteter Stellung eine Nachricht aus. Nicht passend ist die Übertragung hochfrequenter Vibrationsrohdaten über LoRaWAN.

Anlagenteil	Sinnvolle Kennwerte	Nutzen	Grenze
Pumpe	Vibration-Kennwert, Temperatur, Laufzeit, Leckageindikator	Frühe Hinweise auf Lager, Kupplung, Kavitation oder Dichtung	Rohschwingung lokal auswerten
Wärmetauscher	Temperaturdifferenz, Druckdifferenz, Fouling-Indikator	Reinigung und Inspektion besser planen	Prozessdaten und Betriebszustand mitbewerten
Ventil	Stellung, Zyklen, Stellzeit, Endlagenfehler	Fehlstellungen und schleichende Mechanikprobleme erkennen	Keine harte Steuerung per Funk planen
Steam Trap	Temperatur, Ultraschallkennwert, Ereignisstatus	Energieverlust und Kondensatprobleme sichtbar machen	Medium, Montage und Ex-Bereich prüfen

PSM, Mechanical Integrity und Datenqualität

Raffinerien sind nicht nur technische, sondern auch prozesssicherheitsrelevante Systeme. OSHA betont in der Process-Safety-Management-Übersicht, dass der Umgang mit hochgefährlichen Chemikalien Technologien, Verfahren und Managementpraktiken integriert. In der OSHA-Publikation Process Safety Management for Petroleum Refineries werden unter anderem Process Safety Information, Process Hazard Analysis, Operating Procedures, Mechanical Integrity und Management of Change hervorgehoben. Für LoRaWAN-Projekte ist das wichtig: Jeder zusätzliche Sensor kann eine Instandhaltungsentscheidung beeinflussen und muss deshalb in Stammdaten, Rollen und Änderungsmanagement passen.

Datenqualität beginnt bei eindeutiger Zuordnung. Ein Sensor braucht Maschinen-ID, Montagepunkt, Einheit, Messintervall, Kalibrierstatus, Batteriestatus und Bezug zum Prozesszustand. Eine erhöhte Temperatur kann normal sein, wenn Last, Medium oder Umgebungstemperatur gestiegen sind. Eine Vibration kann auf Verschleiß hinweisen, aber auch auf Montagefehler oder geänderte Betriebsweise. Ohne Kontext entsteht aus Predictive Maintenance nur ein weiterer Alarmkanal.

Architektur in Zone 1/2

Die Architektur sollte möglichst wenig in die Prozessanlage eingreifen. ATEX-geeignete Endgeräte erfassen lokale Kennwerte und senden kleine Datenpakete. LoRa-Gateways stehen in geeigneten Bereichen, oft außerhalb der höchsten Ex-Belastung oder an baulich geschützten Punkten. Der Backhaul kann über Ethernet, Glasfaser, Mobilfunk oder ein vorhandenes Industrienetz laufen. Wichtig ist, dass Gateway-Ausfall, Funkqualität und letzte Meldung genauso sichtbar sind wie der eigentliche Messwert.

LoRaWAN-Fernwartung darf in Raffinerien nicht als beliebige Fernsteuerung verstanden werden. Firmware, Konfiguration, Schwellenwerte und Geräteaustausch gehören in ein geregeltes Änderungsverfahren. Wenn ein Schwellenwert für einen Pumpenalarm geändert wird, kann das Auswirkungen auf Wartungsplanung, Schichtübergabe und Risikobewertung haben. Deshalb sollte jede Änderung nachvollziehbar dokumentiert werden.

Grenzen und typische Fehler

Der erste Fehler ist ein zu großes Versprechen. Predictive Maintenance erkennt nicht jeden Ausfall im Voraus. Sie verbessert die Chance, bestimmte Ausfallmuster früher zu erkennen. Der zweite Fehler ist falsche Datenrate. Wer Rohdaten aus vielen Vibrationssensoren über LoRaWAN senden will, überlastet Konzept und Erwartung. Der dritte Fehler ist fehlende Prozessanbindung: Ein Alarm erzeugt nur Nutzen, wenn klar ist, wer ihn sieht, bewertet, quittiert und in eine Wartungsentscheidung übersetzt.

Der vierte Fehler ist fehlende Ex-Betrachtung bei Nebenfunktionen. Ein Sensor kann passend sein, aber der Austausch einer Batterie, das Öffnen eines Gehäuses oder der Anschluss einer externen Antenne kann im Ex-Bereich relevant werden. Betreiber sollten deshalb nicht nur Datenblätter sammeln, sondern Montage, Wartung und Prüfung in Arbeitsanweisungen überführen.

Guter Startpunkt in Zone 1/2

Bekanntes Ausfallbild mit messbarem Vorzeichen auswählen.

Gerätekennzeichnung und Montagefreigabe vor der Beschaffung prüfen.

Nur verdichtete Kennwerte statt hochfrequenter Rohdaten senden.

Warnung direkt in den Instandhaltungsprozess übergeben.

Implementierung in sechs Schritten

Anlagen priorisieren: Zuerst Aggregate wählen, deren Ausfall teuer, häufig, sicherheitsrelevant oder schwer erreichbar ist.
Ausfallmodi festlegen: Lager, Dichtung, Fouling, Kondensat, Ventilfehler, Korrosion oder Überhitzung getrennt betrachten.
Ex-Zone prüfen: Zone, Medium, Temperatur, Gerätekategorie, Montage und Wartung zusammen bewerten.
Kennwerte reduzieren: Lokale Vorverarbeitung nutzen und nur verdichtete Werte, Trends und Ereignisse senden.
Prozess anbinden: Alarm, Ticket, Ersatzteil, Schichtübergabe, MOC und Rückmeldung definieren.
Modell pflegen: Grenzwerte mit realen Befunden abgleichen und Fehlalarme als Lernmaterial nutzen.

Pilotprojekt statt Vollausbau

Ein sinnvoller Einstieg ist ein begrenzter Pilot. Drei Pumpen, einige Ventile, ein Steam-Trap-Bereich und ein entfernter Schaltschrank können reichen, um Funkabdeckung, Ex-Montage, Datenqualität und Wartungsreaktion zu prüfen. Das Ziel ist nicht, sofort eine ganze Raffinerie vorherzusagen. Das Ziel ist, belastbar zu lernen, welche Zustandsdaten wirklich zu besseren Entscheidungen führen.

Nach einigen Wochen oder Monaten sollte der Pilot nicht nach Anzahl der Sensoren bewertet werden, sondern nach Entscheidungen. Wurden Stillstände vermieden? Wurden Inspektionen gezielter? Wurden falsche Alarme reduziert? Wurden Sensoren rechtzeitig gewartet? Hat die Belegschaft Vertrauen in die Daten? Solche Fragen sind wertvoller als ein großes Dashboard ohne betrieblichen Effekt.

Wann LoRaWAN sinnvoll ist und wann nicht

Sinnvoll ist LoRaWAN für nachrüstbare, verteilte und batteriebetriebene Zustandsdaten mit moderaten Intervallen. Besonders geeignet sind Nebenaggregate, schwer zugängliche Messpunkte, temporäre Zusatzmessungen, Ventilgruppen, Dampf- und Kondensatsysteme, Pumpenperipherie, Schaltschrankzustände und Umweltbedingungen. Nicht sinnvoll ist LoRaWAN als Ersatz für Maschinenbusse, Safety-Systeme, hochfrequente Analysekanäle, kontinuierliche Regelung oder harte Echtzeitsteuerung.

Der Nutzen entsteht, wenn LoRaWAN die Lücke zwischen gar keinen Daten und voll verkabelter Prozessinstrumentierung schließt. In einer Raffinerie kann genau diese Zwischenebene viel bewirken: mehr Transparenz, weniger Blindflug, bessere Wartungsplanung und eine sauberere Dokumentation von Zuständen, die vorher nur sporadisch sichtbar waren.

Betrieb, Review und Skalierung

Nach dem Pilot sollte die Skalierung nicht nur technisch entschieden werden. Wichtig ist, ob die Instandhaltung die Meldungen tatsächlich nutzt, ob Alarme zu Tickets werden, ob Ersatzteile früher bereitstehen und ob Betrieb und Wartung denselben Datenstand sehen. Wenn diese Kette fehlt, erzeugt zusätzliche Sensorik nur mehr Signale.

Ein regelmäßiger Review hilft, Grenzwerte und Modelle zu verbessern. Welche Meldungen waren berechtigt? Welche Sensoren haben zu viele Fehlalarme erzeugt? Welche Ausfälle wurden nicht erkannt? Gerade in Zone 1/2 sollte auch die Wartbarkeit der Geräte bewertet werden, weil jeder Feldzugang Aufwand und Freigaben erzeugen kann.

Datenarchitektur für Instandhaltung

Predictive Maintenance braucht mehr als Messwerte. Ein LoRaWAN-Sensor sollte mit Anlagenkennzeichen, Aggregat, Baugruppe, Montagepunkt, Messrichtung, Einheit und Wartungsobjekt verbunden sein. Erst dann kann aus einem Alarm ein sinnvoller Auftrag werden. Wenn ein Vibrationskennwert steigt, muss das System wissen, ob er zu einer Pumpe, einem Motor, einem Lüfter oder einer Hilfsanlage gehört. Sonst entstehen Rückfragen statt Entscheidungen.

Auch die Verbindung zum Wartungssystem ist wichtig. Ein Alarm ohne Ticket bleibt oft im Dashboard liegen. Ein Ticket ohne Kontext wird schwer bewertet. Sinnvoll ist deshalb eine kurze, klare Ereignismeldung: Messpunkt, Abweichung, Trend, letzter Normalwert, Wartungshistorie und empfohlene Prüfung. LoRaWAN liefert den Datenpfad; der Nutzen entsteht im Zusammenspiel mit Instandhaltungsplanung und Betrieb.

Mechanical Integrity und Management of Change

In Raffinerien kann ein zusätzlicher Sensor indirekt Entscheidungen beeinflussen, etwa ob eine Pumpe bis zum nächsten Stillstand weiterläuft oder ob eine Inspektion vorgezogen wird. Deshalb sollte jede neue Messstelle in Mechanical-Integrity- und Management-of-Change-Prozesse passen. Das gilt besonders dann, wenn Alarme in Schichtanweisungen, Wartungsprioritäten oder Betriebsfenster eingehen.

Ein sauberer MOC-Prozess verhindert, dass Sensoren nach Umbauten falsch zugeordnet bleiben. Wird eine Pumpe ersetzt, ein Motor getauscht oder ein Ventil umgebaut, muss auch die Sensorkonfiguration geprüft werden. Sonst meldet der richtige Sensor am falschen Objekt, und ein scheinbar intelligentes System produziert schlechte Entscheidungen.

Typische Startpunkte in Raffinerien

Ein guter Startpunkt sind Pumpen, die häufige Dichtungs-, Lager- oder Kupplungsthemen haben, aber nicht voll instrumentiert sind. Ein LoRaWAN-Knoten kann verdichtete Vibrationskennwerte, Gehäusetemperatur und Laufzeit liefern. Die Daten zeigen nicht jede Ursache, aber sie können helfen, Inspektionen zu priorisieren und schleichende Verschlechterung zu erkennen.

Ein zweiter Startpunkt sind Dampf- und Kondensatsysteme. Steam Traps, Kondensatableiter und kleine Nebenaggregate verursachen oft Energieverluste oder Prozessstörungen, ohne dass sie sofort sichtbar werden. Ein Sensor, der Temperaturmuster oder Ultraschallkennwerte lokal auswertet und nur Statusdaten sendet, passt gut zu LoRaWAN. Wichtig bleibt, dass der Sensor für den Montageort geeignet ist und nicht selbst zum Wartungsproblem wird.

Ein dritter Bereich sind Ventile und Armaturen in Randbereichen. Hier geht es weniger um Vorhersage im engeren Sinn, sondern um zustandsnahe Wartung: unerwartete Stellung, häufige Betätigung, blockierte Endlage oder lange Zeit ohne Prüfung. Solche Informationen können mit Inspektionsrunden kombiniert werden. Das reduziert nicht jede Begehung, macht sie aber gezielter.

Schaltschränke, Analyzer-Häuser und lokale Technikboxen sind ebenfalls geeignet. Temperatur, Feuchte, Türstatus, Stromausfall und Batteriezustand sind kleine Daten mit hohem Betriebswert. Gerade in Zone 1/2 muss aber geprüft werden, ob Sensoren im Inneren, außen am Gehäuse oder in einem sicheren Bereich montiert werden.

Von Warnung zu Entscheidung

Ein Predictive-Maintenance-System ist erst dann wirksam, wenn es Entscheidungen verbessert. Ein gelber Zustand kann eine zusätzliche Inspektion auslösen, ein orangefarbener Zustand Ersatzteilplanung, ein roter Zustand eine Betriebsbesprechung oder einen geplanten Stopp. Diese Logik sollte vor dem Rollout beschrieben werden. Sonst diskutiert jede Schicht neu, was ein Alarm bedeutet.

Die Rückmeldung aus der Werkstatt ist dabei Gold wert. Wenn ein Sensor einen Lagerschaden vermutet und die Werkstatt später keinen Befund findet, muss das Modell lernen. Wenn ein Sensor keine Warnung erzeugt, aber bei der Inspektion ein Schaden entdeckt wird, muss auch das zurückfließen. Ohne diese Schleife bleibt Predictive Maintenance bei schönen Linien im Diagramm stehen.

Alarmdisziplin im laufenden Betrieb

In einer Raffinerie konkurrieren viele Meldungen um Aufmerksamkeit. Predictive-Maintenance-Alarme sollten deshalb sparsam, verständlich und handlungsbezogen sein. Ein Warnwert ohne empfohlene Prüfung ist schwach. Ein Alarm, der bei jedem Lastwechsel kommt, wird bald ignoriert. Besser sind wenige, gut begründete Meldungen mit Trend, betroffener Baugruppe und nächstem Schritt.

Auch die Stilllegung schlechter Alarme ist Teil der Qualität. Wenn ein Sensor dauerhaft falsche Hinweise erzeugt, muss er geprüft, versetzt, anders parametriert oder aus dem Modell genommen werden. Gute Predictive Maintenance wird mit der Zeit ruhiger, nicht lauter.

Praxisbeispiel: Nebenpumpe im Ex-Bereich

Eine Nebenpumpe in Zone 2 ist oft kein Kandidat für eine voll verkabelte Online-Überwachung, kann aber trotzdem Stillstand verursachen. Ein ATEX-geeigneter LoRaWAN-Knoten kann Temperatur, Laufzeit und verdichtete Vibration melden. Wenn der Kennwert langsam steigt, wird eine Inspektion in das nächste Wartungsfenster gelegt. Wenn zusätzlich Temperatur und Laufzeit auffällig sind, erhöht sich die Priorität. So entsteht kein automatischer Reparaturbefehl, sondern eine bessere Grundlage für Instandhaltungsentscheidungen.

Nutzen realistisch bewerten

Der wirtschaftliche Nutzen entsteht meist nicht durch eine einzelne spektakuläre Vorhersage, sondern durch viele kleinere Verbesserungen: weniger ungeplante Wege, frühere Ersatzteilplanung, bessere Schichtübergaben, weniger Blindstellen und nachvollziehbare Wartungsentscheidungen. Gerade in Raffinerien ist diese Nüchternheit hilfreich. LoRaWAN ist kein KI-Versprechen, sondern eine robuste Datenleitung für Zustände, die vorher zu selten sichtbar waren.

Wichtig für die Bewertung: Ein steigender Kennwert ist ein Prüfhinweis, keine automatische Diagnose. Betriebspunkt, Last, Wartungshistorie und mehrere Messgrößen gehören gemeinsam in die Entscheidung.

Häufige Fragen

Darf LoRaWAN in Zone 1/2 eingesetzt werden?

Das hängt vom konkreten Gerät, der Zone, der Zertifizierung, Montage und Wartung ab. Nicht LoRaWAN als Protokoll ist automatisch zulässig, sondern nur ein passend ausgelegtes und zugelassenes Gerät im richtigen Einsatzkontext.

Kann LoRaWAN Predictive Maintenance in Raffinerien allein ermöglichen?

Nein. LoRaWAN liefert Daten. Predictive Maintenance entsteht aus Sensorik, Datenqualität, Prozesswissen, Wartungshistorie, Modellpflege und klaren Entscheidungen.

Welche Daten sollten lokal vorverarbeitet werden?

Vor allem hochfrequente Vibrations- und Akustikdaten. Sinnvoll ist, lokal Kennwerte zu berechnen und nur verdichtete Werte, Trends oder Alarmstatus per LoRaWAN zu senden.

Welche Rolle spielt Management of Change?

Sensorwechsel, neue Schwellenwerte, andere Montageorte und Firmware- oder Modelländerungen können Wartungsentscheidungen beeinflussen. Sie sollten deshalb nachvollziehbar bewertet, freigegeben und dokumentiert werden.

Wie lassen sich Fehlalarme reduzieren?

Durch belastbare Baselines, mehrere zusammenpassende Kennwerte, Berücksichtigung des Betriebspunkts und Rückmeldung aus der Instandhaltung. Ein einzelner Grenzwert ohne Kontext erzeugt meist zu viel Rauschen.