Analytics Heizsystem von Fertigungshallen dank Daten optimieren

Anbieter zum Thema

GE Digital

Schneider Electric GmbH

SMC Deutschland GmbH

Trebing & Himstedt Prozeßautomation GmbH & Co. KG

Den Energieverbrauch senken ohne das Produktionsniveau zu verringern: Das ist gerade jetzt eine wichtige Aufgabe für die Fertigungsindustrie. GE Digital zeigt anhand eines realen Beispiels, wie ein Unternehmen 15 Prozent seiner Heizenergie einsparen konnte – mit weiterem Potenzial nach oben.

Die derzeitige globale Aufteilung des Gesamtenergieverbrauchs auf die einzelnen Sektoren zeigt, dass die Industrie 29 Prozent des Endenergieverbrauchs ausmacht ^[1]. Untersuchungen des Fraunhofer-Instituts für System- und Innovationsforschung ISI haben ergeben, dass alleine die energieintensive Industrie in Deutschland bis 2035 etwa 15 Prozent an Energie einsparen könnte ^[2]. Daraus lässt sich ableiten, dass es eine vorrangige Aufgabe ist, die Energieeffizienz in der Industrie zu verbessern. Der unmittelbare und am häufigsten betrachteten Nutzen der Energieeffizienz besteht in einer Verringerung des Energieverbrauchs bei gleichem Produktionsniveau und damit der Energiekosten pro Verbrauchseinheit. Dies wird in der Regel als „Energiereduzierung“ oder „Energieeinsparung“ eines Energieeffizienzprojekts oder eines Portfolios von Energieeffizienzprojekten ausgedrückt, unter der Annahme, dass das Produktionsniveau unverändert bleibt.

In technologiebasierten Unternehmen stellt die Verbesserung der Energieeffizienz eine ungenutzte Möglichkeit dar,

• den Gewinn zu steigern,

• die Prozesssteuerung zu verbessern,

• den Wert der Anlagen zu maximieren,

• die Arbeitsumgebung zu verbessern und

• eine Vielzahl von Geschäftsrisiken zu bewältigen.

Das in diesem Anwendungsfall beschriebene Unternehmen mit Sitz in Österreich verfolgt bereits konsequent das Ziel der Ressourcenreduktion. Aufgrund der Unternehmensgröße kümmert sich eine eigene Infrastrukturabteilung um das komplette Life-Cycle-Management aller infrastrukturellen Assets. Dazu zählen über 40 Gebäude wie Fertigungshallen und Lagerhallen aber auch Bürogebäude an mehreren Standorten. Da hier mit den im Einsatz befindlichen Hightech-Anlagen besonders energieintensive Gebäude benötigt werden, bietet ein energieeffizienter Betrieb eine erhebliche Hebelwirkung zur Senkung der Gesamtbetriebskosten. Erschwerend kommt allerdings hinzu, dass das Unternehmen Auftragsfertiger für mehrere Originalausrüstungshersteller (Original Equipment Manufacturer – OEM) ist und sich daher sehr flexibel auf verschiedene, sich ständig dynamisch ändernde Anforderungen (kurze Produktlebenszyklen, steigende Variantenzahlen, dynamische Stückzahländerungen) reagieren muss. Dieses erfordert einen hohen Anpassungsbedarf der unter anderen mit einem flexiblen Schichtmodell je nach Fertigungsprodukt Rechnung getragen wird.

Datenerfassung als Grundlage

Ein Gebäudemanagementsystem ist ein computergestütztes System mit einem Netzwerk welches zur Überwachung und Steuerung der technischen Systeme und Dienste eines Gebäudes oder mehrerer Gebäude dient. Genauer gesagt verknüpft es die Funktionen der einzelnen Teile der Gebäude so dass sie als ein komplettes integriertes System funktionieren.

Bereits 1996 wurde Cimplcity von GE Digital^[3] als zentrales Werksleitsystem eingeführt und seitdem sukzessive erweitert, ausgebaut und laufend aktualisiert. Die Hauptkomponenten zur Echtzeitüberwachung des Gebäudebetriebes sind dabei folgende:

• Grafische Benutzeroberfläche (GUI)

• Zeitplanung von Gebäudesystemen

• Störungsmanagement und Alarmierung

• Benutzer-Ereignis-Management

• Aufzeichnung von Prozess- und Ereignisdaten

Das System arbeitet gewerkeübergreifend und verfügt daher über eine Vielzahl and grundlegenden Funktionen und Konnektoren:

• Heizung

• Energieverteilung

• Belüftung

• Druckluft Bereitstellung

• Beleuchtung

Energiemanagement transparent machen

Als das Unternehmen 2012 begann das Energiemanagement mithilfe von Softwaretools transparenter und einfacher zu gestalten, war es daher ideal, sich die Datenbasis von Cimplcity nutzbar machen zu können. So befinden sich in der Datenbasis über 80.000 Prozesspunkte und über 1.000 Zähler für Strom, Wasser, Wärme und andere Medien. Diese Werte stehen dank der integrierten Datenspeicherung in der kompletten Historie zur Verfügung und werden fortlaufend aktualisiert.

Die Möglichkeiten der Veränderungen reichten von der Verbesserung kleinerer Komponenten bis hin zur Optimierung von Modulen. Somit konnten in der Vergangenheit bereits positive Fortschritte, wie z. B. die Senkung des Energieverbrauchs, die Reduzierung des Abfallaufkommens und eine generelle Reduzierung des Ressourceneinsatzes, erzielt werden. Damit einher ging auch eine entsprechend gute Kosteneffizienz.

Erschließung von Optimierungspotenzialen

Mittlerweile widmet man sich aber auch den komplexeren Abläufen, wie dem Heizsystem der Fertigungshallen. Obwohl sich die Ingenieure sicher sind, hier Einsparungen finden zu können, stellten die Verantwortlichen rasch fest, dass es sehr schwierig werden wird, diese zu qualifizieren und einem entsprechend, monetären Wert gegenüber zu stellen. Das Optimierungsteam des Unternehmens diskutierte diese Situation mit externen Mitarbeitern des Unternehmens T&G Group (Partner von GE Digital in Deutschland und Österreich), woraus die Idee zur Verwendung KI, insbesondere Machine Learning (ML), zur Analyse der Abläufe und rationaler Entscheidungsfindung entstand. Es wurde dazu ein gemeinsames Projektteam aus Mitgliedern des Unternehmens und der T&G Group aufgestellt.

Zum Einsatz kam Proficy Csense von GE Digital^[4], ein Software-Framework für industrielle Analysen mit der Möglichkeit, Erkenntnisse aus historischen Daten zu gewinnen und einfache Berechnungen, prädiktive Analysen sowie Optimierungs- und Steuerungslösungen schnell zu entwickeln, zu testen und einzusetzen. Damit Ingenieure Prozessprobleme vorhersagen und verhindern können wird ein digitaler Prozesszwilling erstellt. Mit diesem können auch Abläufe simuliert und optimiert werden. Die Kombinationsmöglichkeiten aus Datenaufbereitung, Datenvorbereitung, maschinellem Lernen und Datenanalyse, die sich mit Proficy Csense bieten, bilden die Entwicklungsgrundlage für solide digitale Zwillinge für Anlagen, Netzwerke und Prozesse.

Pilotprojekt mit geringem Risiko

Zum erstmaligen Austesten dieser neuen Methoden und Technologien wurde eine Fertigungshalle als Pilotprojekt ausgewählt. Hier sollten nun Erkenntnisse über Aufwand und Kosten, die Vorteile und Akzeptanz gesammelt werden. Das ermöglicht eine Testphase mit geringem Risiko und kann im Erfolgsfall bereits einen Rahmen für zukünftige erweiterte Anwendungen bieten.

Als Ausgangspunkt dienten die vorhandenen Daten des Cimplcity Werksleitsystems. Mit dem Framework Proficy Csense wurden die Daten aufbereitet und kontextualisiert. Bei der zuerst durchgeführten Datenbereinigung geht es um die Bereinigung von Daten, die für die ausgewählte Fertigungshalle zusammengestellt wurden. Es wurde sichergestellt, dass die Daten korrekt, konsistent und verwendbar sind. Sie wurden bereinigt, indem Fehler oder Abweichungen identifiziert und ausgeblendet wurden (Bild 1).

Eine Korrelationsmatrix ist eine Tabelle, die die Korrelationskoeffizienten für verschiedene Variablen anzeigt. Sie ist ein leistungsfähiges Instrument, um große Datensätze zusammenzufassen und Muster in den gegebenen Daten zu ermitteln und zu visualisieren. Die Matrix besteht aus Zeilen und Spalten, in denen die Variablen dargestellt sind und stellt die Korrelation zwischen allen möglichen Wertepaaren dar. Jede Zelle in einer Tabelle enthält den Korrelationskoeffizienten (Bild 2). Eine hohe Abhängigkeit von Prozesswerten zueinander ist hier mit der Farbe Rot gekennzeichnet.

Eine Trendanalyse bezieht sich auf Methoden zur Analyse von Daten in zeitlicher Abfolge, um erste Leistungsveränderungen zu erkennen. Trendlinien sind gerade Linie, die den Gesamttrend einer Reihe von aufeinander folgenden Datenpunkten abbilden. Mithilfe von Prozesstrends historischer Werte konnte das Projektteam stabile Prozesse, Verbesserungsmöglichkeiten und potenzielle Probleme identifizieren. Bild 3 visualisiert die Abhängigkeit der Vorlauftemperatur zur Außentemperatur und die „konstante“, von der Schicht unabhängige Hallentemperatur. Diese Art der Analyse ist als erster Schritt hilfreich, um die tatsächlichen Abhängigkeiten zu verstehen.

Untersucht wurde zuerst der Zeitraum von einem Jahr. Für die ausgewählte Fertigungshalle konnte eine Gesamt-Heiz-Leistung von 5.000 MWh (gerundeter Wert) ermittelt werden. Rund 3.000 MWh wurden in Zeiten von keiner Produktion verbraucht. An Wochenenden und Feiertagen fielen ca. 2.000 MWh an und in Nachtstunden ohne Arbeitsschicht.etwa 1.000 MWh. Hiermit deutete sich eine Einsparungsmöglichkeit in der Zeit an, in der keine Wertschöpfung stattfindet. Der Preis für eine MWh betrug im Beobachtungszeitraum ca. 77 Euro.

Mithilfe der in Proficy Csense enthaltenen Funktionen und Assistenten wurden nähere Analysen und Visualisierungen durchgeführt. Dazu wurden wie in Bild 4 dargestellt verschiedene Modelle entwickelt die dabei halfen, den gesamten Umfang besser zu verstehen sowie einzelnen Teile und Schritte klarer darzustellen. Diese Analysen führten zur Entwicklung eines entsprechenden Modells des Regelprozesses mit dem Ziel der Simulationsmöglichkeit unterschiedlicher Szenarien basierend auf einen digitalen Zwilling (Bild 5).

Mit der Was-wäre-wenn-Szenarioanalyse konnte nachvollzogen werden, wie sich Änderungen an einem Modell auf wichtige Ergebnisse auswirken. Anstatt davon auszugehen, dass jeder Teil des Prozesses einem Ideal entspricht, wurde untersucht, was passiert, wenn bestimmte Faktoren mehr oder weniger verändert werden. In der Planung zukünftiger Prozesse bietet ein Was-wäre-wenn-Szenario damit die Möglichkeit, wahrscheinliche Auswirkungen auf den Prozess basierend auf unterschiedlichen Faktoren zu untersuchen. Durch Simulation, basierend auf den digitalen Zwilling, wurden so die Einsparungspotentiale ermittelt (Bild 6).

Ergebnisse und Ausblick

Die auf realen Daten eines ausgesuchten Zeitraums basierende Simulation war eine hilfreiche Methode, um reale Situationen und Prozesse zu testen, ohne diese Situationen und Prozesse tatsächlich am realen Objekt umsetzen zu müssen. Sie half somit Verbesserungsmöglichkeiten zu erkennen und dabei wertvolle Zeit und Ressourcen zu sparen. Durch Absenken der Hallentemperatur um 3 °C außerhalb der Produktivzeiten konnte ein Einsparungspotenzial von ca. 15 Prozent ermittelt werden. Das entspricht ca. 450 MWH oder ca. 35.000 Euro.

Wenn man bei längeren Produktionsunterbrechungen die Hallentemperatur in die Richtung von 14 °C absenken könnte, würde dies eine Reduktion von bis zu ca. 20 Prozent der Gesamtwärmeleistung, also ca. 1.000 MWh oder ca. 77.000 Euro im Betrachtungszeitraum für diese eine Halle bedeuten! In den nächsten Schritten soll das Modell noch um Daten aus der Produktionsplanung erweitert werden, damit z. B. auch die Abwärme des zu verwendeten Maschinenparks berücksichtigt werden kann. Auch eine zukünftige Integration der Personaleinsatzplanung ist bereits angedacht.

Gegenwärtig wird im laufenden Jahr 2022 in das zentrale Werksleitsystem ein intelligenter, automatisierter Prozess zur Hallenheizung implementiert. Dazu wird das Proficy Csense Modell noch verfeinert und letztendlich exportiert, damit es im Zusammenspiel mit den verschiedenen Datenquellen auch mit Prozess-Echtzeitdaten versorgt werden kann und aufgrund seiner angelernten Fähigkeiten die optimale Vorlauftemperatur an das Werksleitsystem weitergibt. Das Werksleitsystem setzt dann den Vorgabewert der Vorlauftemperatur in dem Prozessleitsystem (Distributed Control System – DCS) der Heizungsregelung entsprechend der Vorgabe des Modells von Proficy Csense. Dieses wird durch eine ständige Netzwerkverbindung des zentralen Werksleitsystems mit dem Prozessleitsystem der Heizungsregelung ermöglicht. Eine Regelkreisabstimmung stellt sicher, dass das System stabil, vorhersehbar und wiederholbar funktioniert. Die Optimierung konzentriert sich auf den Betrieb der Betrieb der Anlage auf die energieeffizienteste ohne Beeinträchtigung der Regelgröße.

Quellen:

^[1] FAWKES, Steven; OUNG, Kit; THORPE, David: Best Practices and Case Studies for Industrial Energy Efficiency Improvement – An Introduction for Policy Makers. Kopenhagen: Copenhagen Centre on Energy Efficiency, Februar 2016.

^[2]Jahresbericht 2013. Karlsruhe: Fraunhofer-Institut für System- und Innovationsforschung ISI. 2014.

^[3]Cimplcity 2022 from GE Digital from GE Digital. San Ramon, CA: GE Digital LLC, Januar 2022.

^[4]Proficy CSense 8.5 from GE Digital. Boston, MA: General Electric Company, August 2021.

Dieser Beitrag ist Teil des Fachbuchs „Analytics in der Industrie“, ISBN 978-3-8343-3512-8, erschienen bei Vogel Fachbuch

* Thomas Schulz ist Channel Manager Central and Eastern Europe bei GE Digital; Harald Taschek ist Inhaber der T&G Automation GmbH

(ID:48836295)