Prozessdaten einfach selbst auswerten und neue Services generieren

node-divider
4 Minuten Lesezeit
4 Minuten Lesezeit

Operative Maßnahmen zur Prozessoptimierung können durch Instinkt oder Erfahrung ergriffen werden; objektiv nachvollziehbare Ergebnisse erzielt man aber nur mit datengetriebenen Erkenntnissen. Die Prozessdaten als Grundlage sind in der Regel bereits vorhanden, sie müssen nur sinnvoll ausgewertet werden. Externe Dienstleister oder – in größeren Unternehmen – zentrale Forschungsabteilungen können dies selbstverständlich leisten, sind aber kostenintensiv. Wer die Sache selbst in die Hand nehmen will, nutzt BI Software, die aber häufig unnötig kompliziert und unübersichtlich ist. Eine Lösung bietet TrendMiner aus dem Hause Software AG – eine Self-Service-Industrial-Analytics-Solution. In diesem Use Case wurde TrendMiner in einer Kläranlage eingesetzt, um in der biologischen Reinigungsstufe signifikant Energie einzusparen. 

Die Herausforderung: Daten vorhanden – Analyseskills nicht

Klärwerke sollen Abwässer energieeffizient reinigen und dabei alle rechtlichen Vorgaben einhalten. Üblicherweise speichern Klärwerke große Mengen ihrer Prozessdaten. Trotzdem beschränkt sich die Nutzung dieser Daten oft auf lediglich zwei Anwendungen: Visualisierung und Berichterstattung. Gerne in Form von Excel-Dateien. In der Vergangenheit gewonnene Erkenntnisse sind bei diesem Verfahren nur schwer abrufbar und nutzbar. So ist es unmöglich, Entwicklungen des Produktionsprozesses vorherzusagen und in Punkto Wartung ist man auf ein rein reaktives Verhalten beschränkt. Ein Ausfall einer wichtigen Pumpe beispielsweise bedeutet einen ungeplanten Stillstand des Prozesses. Das lässt sich nur vermeiden, wenn der Betriebszustand der Pumpe laufend überwacht wird. Aber wie soll man hier am besten vorgehen? Die Prozessingenieure kennen den Prozess, haben aber oft keine Data-Science-Skills. Data Scientists können programmieren und Modelle entwickeln, verstehen aber die Herausforderungen und Eigenheiten des Prozesses nicht so wie der Prozessingenieur. Wäre es da nicht praktisch, wenn diejenigen, die in dem entsprechenden Prozess arbeiten, und sich damit am besten auskennen, das Monitoring und die Analyse selbst übernehmen würden und dafür die bereits erfassten Sensordaten verwenden könnten?

Die Lösung: Advanced-Analytics als DiY-Paket

TrendMiner ist eine Plattform aus dem Hause Software AG, die für genau diese Konstellation entwickelt wurde. Damit können Prozessingenieure selbstständig die operativen Prozesse visualisieren, Analysen durchführen, Zusammenhänge erkennen, Prognosen erstellen und die Performance optimieren.

 

Zum Einstieg bietet es sich an, alle historischen Produktionsdaten zu analysieren und zu beurteilen, wann der Prozess bei der Verwendung von Rohstoffen am wenigsten effizient war oder ein Produkt von schlechter Qualität geliefert hat. Die Einflussfaktoren auf die Anomalien sind nicht immer eindeutig, müssen aber identifiziert werden. Die Analysefunktionen von TrendMiner können das, ohne dass eine Datenmodellierung erforderlich ist. Bei langsamen Verschiebungen, die einem Beobachter nicht sofort in´s Auge fallen, kann TrendMiner auch verwendet werden, um nach den Faktoren zu suchen, die dieses schlechte Verhalten beeinflussen. Sobald ein Referenzmodell basierend auf den besten Prozessleistungsprofilen in der Vergangenheit erstellt wurde, kann es zur Überwachung des Live-Prozesses verwendet werden. Die Mustererkennungstechnologie von TrendMiner kann sogar die weitere Prozessentwicklung auf Grundlage der verfügbaren historischen Daten vorhersagen. Anhand der prognostizierten Prozessentwicklung können bei Abweichungen vom Referenzmodell entsprechende Maßnahmen durch das Leitwartenpersonal ergriffen werden. TrendMiner verschickt auch automatische Benachrichtigungen, wenn das tatsächliche Prozessverhalten für eine gewisse Zeit vom Referenzmodell abweicht. Um die Qualitätskontrolle noch weiter zu verbessern, können Labortestergebnisse in TrendMiner importiert werden, um die besten Produktionsläufe zu validieren und sicherzustellen, dass das Referenzmodell auf Laborfakten basiert. Das alles kann man auf der Plattform speichern und mit anderen Kollegen teilen. Auf diese Weise bleibt Wissen erhalten, kann zur Ausbildung neuer Ressourcen und zur Steigerung der Prozesskompetenz im Team genutzt werden.

Das Ergebnis: Prozess optimiert – Wissen bleibt im Haus

Der Prozess der biologischen Abwasserreinigung ist sehr energie- und dadurch auch kostenintensiv. Durch den Einsatz von TrendMiner konnte das Prozessverhalten in Echtzeit überwacht und die Wartung anhand von Prozessdaten prognostiziert werden. Das steigerte die Energieeffizienz deutlich: Nach einer kurzen Zeit von nur rund zwei Monaten konnten in dem Klärwerk bereits ca. 50.000 kWh eingespart werden. Dies war möglich, ohne auf externe Data-Science-Ressourcen zurückzugreifen, denn der mit dem Prozess direkt befasste Mitarbeiter konnte die Analysen und Maßnahmen eigenständig durchführen und einplanen.

 

Denkbar wäre eine Erweiterung des Geschäftsmodells um den Service, Analysen und Handlungsempfehlungen für angeschlossene Betriebe oder externe Kunden durchzuführen.

 
NEWSLETTER

Jetzt unser IoT Use Case Update erhalten

node-divider

Erhalten Sie kostenlos das monatliche Update zu spannenden Use Cases, aktuellen Podcastfolgen und News aus unserer IoT-Community.