Proaktiv statt Reaktiv

Schluss mit Stillstandszeiten

| Autor / Redakteur: Norbert Meierhöfer / Redaktion IoT

APM ermöglicht einen umfassenden und ganzheitlichen Ansatz zur Optimierung von Produktionsanlagen
APM ermöglicht einen umfassenden und ganzheitlichen Ansatz zur Optimierung von Produktionsanlagen (AspenTechnology)

Abwarten war gestern. In der Industrie 4.0 müssen Betriebsstörungen erkannt werden, noch ehe sie auftreten. Die nächste Generation von APM ermöglicht es, proaktiv und vorausschauend zu planen.

20 Mrd. US-Dollar – so hoch sind nach einer Studie von ARC Advisory Group die weltweit jährlichen Verluste in der Prozessindustrie, die durch ungeplante Stillstandszeiten entstehen. Die Unternehmen investieren massiv in entsprechende Lösungen. Das Problem ist jedoch grundsätzlich: Noch immer werden zwar verschleiß- und altersbedingte Betriebsstörungen behandelt, nicht jedoch prozessbedingte Betriebsstörungen, die über 80% der ungeplanten Stillstandszeiten verursachen und dann auftreten, wenn Anlagen weit über reguläre Sicherheits- und Auslegungsgrenzwerte betrieben werden. Hier fehlt vielen Betreibern noch der nötige Einblick in die Betriebsabläufe.

Predictive und Prescriptive Analytics

Eine neue Form des Asset Performance Management (APM) ist gefragt. Statt nur zu reagieren, müssen Betriebsabläufe vorausschauend geplant und durchgeführt werden. Denn was nützt ein hoher Grad an Optimierung in Industrieanlagen, wenn eine Anlage oder Maschine ausfällt, die Produktion unterbrochen wird, die Qualität beeinträchtigt ist und festgelegte Termine nicht eingehalten werden können. Instandhaltung und Zuverlässigkeit der Anlagen rücken daher immer stärker in den Mittelpunkt.

Richtig umgesetzt bietet APM einen umfassenden und ganzheitlichen Ansatz zur Optimierung von Produktionsanlagen während des gesamten Lebenszyklus – von der Anfangsinvestition über den laufenden Betrieb bis hin zur endgültigen Außerbetriebnahme. Dabei geht Anlagenoptimierung weit über die Prozessoptimierung hinaus und verbindet Anlagedaten, Grundprinzipien, empirische Modelle und Prozesskenntnisse für erweiterte Analysefunktionen. Unternehmen gewinnen so einen detaillierten Einblick in Prozesse, können Ausfälle vorhersagen (Predictive) und vorab Maßnahmen festlegen (Prescriptive), um Störungen zu vermeiden und deren Auswirkungen zu entschärfen. Das verschafft den Betreibern über den ganzen Lebenszyklus der Anlage hinweg einen nachhaltigen Wettbewerbsvorteil.

Machine Learning

Machine Learning spielt für die Früherkennung von Anlagenausfällen eine immer stärkere Rolle. Entsprechende Anwendungen laufen nahezu eigenständig ab und erlernen Verhaltensmuster, basierend auf den digitalen Daten, die von Sensoren in der Anlage und Maschinen erfasst und übermittelt werden. Diese fortschrittlichen Technologien lernen permanent und passen sich bei Änderungen der Betriebsbedingungen den neuen Signalmustern automatisch an – mit minimalem Ressourcenbedarf. Erlernte Fehlersignaturen wirken wie ein Impfstoff für die Maschinen, sodass derselbe Zustand nicht erneut auftritt. Außerdem werden die erlernten Signaturen auf ähnliche Maschinen übertragen, um zu verhindern, dass diese beeinträchtigt werden.

Wie Machine Learning in der Praxis bereits erfolgreich eingesetzt wird zeigt das Beispiel eines nordamerikanischen Energiekonzerns. Reparaturen und Umsatzausfälle aufgrund wiederholter Defekte bei Elektrotauchpumpen kosteten dem Unternehmen mehr als eine 1 Million US-Dollar. Um das Problem zu lösen, erlernte eine Anwendung mit Maschinenlernfunktion das Verhalten der 18 Pumpen. Die Software erkannte bei einer Pumpe eine frühzeitig eintretende Gehäuseundichtigkeit, die zu einem Zwischenfall mit Umweltschäden führte. Die Anwendung der Fehlersignatur auf die übrigen Pumpen ermöglichte eine frühzeitige Warnung, sodass rechtzeitig Maßnahmen eingeleitet und weitere Zwischenfälle verhindert werden konnten.

Das Industrial Internet of Things treibt die Anlagenoptimierung weiter voran. Cloud-Computing, anschauliche Visualisierungstools und ein hohes Maß an Mobilität vereinfachen es, die wachsende Menge an Anlage-, Betriebs- und Prozessdaten effektiv zu nutzen und so einen besseren und anlageübergreifenden Einblick in Betriebsabläufe zu gewinnen. Die Folge sind bessere und fundiertere Entscheidungen sowie eine vorausschauende und proaktive Planung des Anlagenbetriebs. Dabei hat eine konstante und langfristige Optimierung von Anlagen-Assets nicht nur Folgen für die Entwicklung, den Betrieb und die Instandhaltung, sondern kann in komplexen und kapitalintensiven Industriezweigen für das gesamte Unternehmen unerwartete Vorteile bergen.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.