Von der Prozessanalyse an der Edge zu KPIs in der Cloud

Je komplexer der Prozess, desto größer die Datenmenge

Deutlich komplexer und vor allem datenintensiver wird die Analyse jedoch in Prozessen mit variablen Verhalten. In diesen beeinflussen sich die Zustände der unterschiedlichen Komponenten gegenseitig. Hinzu kommt, dass die meisten Produktionslinien eine große Bandbreite unterschiedlicher Produkte aufweisen. „All dies macht es sehr schwierig, reproduzierbare Messbedingungen zu finden. In diesen Fällen benötigen wir Methoden, die alle Arten von Daten – beispielsweise Schwingungs- und Prozessdaten – nutzen und eine zuverlässige und zeitsynchrone Überwachung unter allen Prozessbedingungen ermöglichen. Für diesen Fall bietet das iba-System ein geeignetes Werkzeug, da wir die Erfassung und Analyse von Prozess- und Schwingungsdaten in einem System haben“, sagt Reinbrecht. Nur so ließen sich ungeplante Stillstände vermeiden und die Anlagenverfügbarkeit nachhaltig erhöhen. Je genauer die Daten dabei erfasst werden, desto besser und detaillierter kann die anschließende Prozess- und Ursachenanalyse ausgeführt werden. „Die größte Flexibilität bei der Analyse von Prozess- und Maschinendaten erzielt man, wenn die Daten als hochaufgelöste Rohdaten und nicht als voraggregierte Daten aufgezeichnet werden“, erklärt Reinbrecht. Nachteilig bei dieser Erfassung ist jedoch die entstehende Datenmenge. „Hier können schnell über 100 Megabyte pro Sekunde zusammenkommen. Aus diesem Grund ist es wichtig, die Informationen und das Wissen aus den Rohdaten mit effizienten Methoden zu extrahieren und so die Komplexität des Prozesses unterschiedlichen Nutzergruppen wie Produktion und Qualitätswesen möglichst übersichtlich darzustellen“, berichtet Reinbrecht.

Kaum durchdringbare Wechselwirkungen: Die Überwachung eines Schrägwalzwerks

Ein solches komplexes Prozessverhalten ist in Schrägwalzwerken zu finden: Für die Fertigung nahtloser Stahlrohre werden aus massiven Blöcken Rohrluppen, also dickwandige Hohlkörper hergestellt. In dem Prozess wird ein Stahlblock zunächst auf eine Temperatur von über 1.200°C erwärmt, auf Walzen geführt, gewalkt bis er zentrisch aufreißt und mithilfe eines Dorns durchstochen. Der Dorn wird dabei von Führungsböcken stabilisiert und in Position gehalten. Da für den korrekten Ablauf sämtliche Komponenten einwandfrei und aufeinander abgestimmt funktionieren müssen, haben Beschädigungen oder Verschleiß der verschiedenen Aggregate großen Einfluss auf die Produktqualität. Außerdem sorgen weitere Prozessschritte und die notwendige Abkühlzeit dafür, dass zwischen dem Auftreten und dem Bemerken einer Abweichung viel Zeit vergehen kann – was im schlimmsten Fall kostspielige Konsequenzen hat: Wird die Qualitätskontrolle erst im erkalteten Zustand durchgeführt, sind in der Regel mehrere Rohre betroffen und müssen erneut eingeschmolzen oder verschrottet werden. „Bei solch energie- und kostenintensiven Prozessen ist es wichtig, die Überwachung in Echtzeit durchzuführen. Mit Edge Analytics haben wir hier die perfekte Möglichkeit, die relevanten Kennwerte aus den hochaufgelösten Messdaten direkt am Prozess im Edge Device, etwa einem ibaM-DAQ, zu berechnen. Auf diese Weise werten wir die Daten genau da aus, wo sie entstehen und können im Fehlerfall schnell und gezielt reagieren. Eine robuste Überwachung mit dem iba-System sorgt dafür, dass wir durch die Analyse von Trends im besten Fall sogar noch vor dem tatsächlichen Fehlereintritt eingreifen können“, sagt Reinbrecht.

Aussagekräftige KPIs aus Rohwerten: Erst die Berechnung, dann die Cloud – und wieder zurück

Komplettiert wird eine umfassende Datenanalyse durch die Anbindung an übergeordnete IT-Systeme wie beispielsweise Cloud-Umgebungen. Mit diesem Schritt wird das volle Potenzial der Messdaten genutzt, da die gewonnenen Erkenntnisse unterschiedlichen Nutzergruppen zugänglich gemacht und somit ganzheitlich genutzt werden können. Zu beachten ist dabei allerdings, dass die Informationen aus der großen Menge von Rohdaten auf wenige zuverlässige Indikatoren reduziert werden müssen: „Aufgrund der immensen Datenmenge, der verfügbaren Bandbreite und den Wechselwirkungen zwischen OT- und IT-Netzwerken ist es nicht sinnvoll, sämtliche Messdaten zur Auswertung, sondern nur die berechneten Kennwerte in die Cloud zu transferieren. Diese Daten können mit Online-Visualisierungstools wie ibaDaVIS dann in aussagekräftigen Dashboards dargestellt werden“, sagt Reinbrecht. Schnell und einfach kann das Bedienpersonal somit Anlagen, Maschinen und die Produktqualität analysieren, miteinander vergleichen und auch Optimierungspotenziale aufdecken. Dabei reicht es jedoch nicht aus, nur die Kennwerte zur Verfügung zu stellen. Stattdessen ist es notwendig, die KPIs in der Cloud im Zuge eines „drill-down“ wieder zurück auf die Rohwerte zurückführen zu können. So lassen sich gerade im Fehlerfall umfassende Ursachenanalysen ohne Informationsverlust durchführen.

Edge Analytics mit iba: Ein System für alle relevanten Daten

Mit dem iba-System steht ein System zur Verfügung, das mit seiner Architektur und den verschiedenen Applikationen die vorgestellte Methode der Erfassung hochaufgelöster Rohdaten und des Edge Analytics unterstützt. Basierend auf der strukturierten Datenerfassung mit zentraler Zeitstempelung mit ibaPDA und der hier verfügbaren umfassenden Prozesskonnektivität können die Rohdaten direkt in den Edge Devices ibaDAQ oder ibaM-DAQ verarbeitet werden. ibaPDA bietet einen mächtigen Ausdruckseditor zur Verknüpfung von Signalen und der Berechnung statistischer Kennwerte in Echtzeit. Zur Online-Schwingungsanalyse steht zudem das Add-On ibaInSpectra, für die Überwachung zyklischer Prozesse das Add-On ibaInCycle zur Verfügung, sodass alle relevanten Daten in einem System erfasst und überwacht werden können. Von den Edge Devices aus ist direkt eine Alarmierung über verschiedene Ausgabeschnittstellen möglich. Zuletzt verfügt das iba-System mit ibaDaVIS über ein webbasiertes Analyse-Tool, mit dem individuelle Dashboards mit unterschiedlichen Grafikelementen zur Auswertung des Langzeitverhaltens der überwachten Prozesse und der Produktqualität erstellt werden können. Interaktive und flexible Filtermöglichkeiten erlauben es, die im Edge Device berechneten Kennwerte nach beliebigen Kriterien und technologischen und zeitlichen Filtern zu analysieren. Mit einem Klick können Anwender von den Kennwerten zurück auf die Rohwerte springen und so in die Tiefenanalyse einsteigen.