Portfolio
Projektentwicklung
Industrie 4.0
Die Herausforderung
Mit der zunehmenden Verfügbarkeit von Sensoren, Speicherkapazitäten und Rechenleistung eröffnen sich spannende Möglichkeiten um industrielle Prozesse schneller, kostengünstiger und energieeffizienter zu betreiben. Betreiber von technischen Anlagen stehen jetzt vor der schwierigen Aufgabe den Hype in Handlungen münden zu lassen und die erfolgreichen Konzepte der Digitalwirtschaft auf die Industrie zu übertragen.
Anwendungen
Beispiele
Assistenzsysteme zur Detektion von Anomalien. Maschinelles Lernen gegen die Datenflut.
Moderne industrielle Prozesse werden durch unzählige Sensoren und Kennzahlen überwacht, sodass der Betreiber hunderte von relevanten Größen überwachen und angemessen auf Abweichungen reagieren muss. Um der Informationsflut Herr zu werden, sind hier intelligente Auswerteverfahren nötig.
Maschinelle Assistenzsysteme betrachten alle Daten des Prozesses als Gesamtheit und unterscheiden automatisch zwischen wichtigen und unwichtigen Parametern. Außerdem sind sie in der Lage Wechselwirkungen zu erkennen, welche bei der eindimensionalen Betrachtung einzelner Werte verborgen bleiben. Auf diese Weise wird das Anlagenpersonal nur alarmiert wenn der Sachverstand und die Kreativität eines Menschen erforderlich sind.
Zustandorientierte Instandhaltung. Prognose von Ausfällen.
Im Bereich der Instandhaltung sind Betreiber mit dem Dilemma konfrontiert, dass einerseits die Maschinen- und Anlagenverfügbarkeit stetig steigen soll, während andererseits die Instandhaltungskosten gesenkt werden sollen. Aus diesem Antrieb heraus hat sich ein großes Anwendungsfeld die zustandsorientierte Instandhaltung. entwickelt.
Die Bestimmung des besten Zeitpunktes für die Instandhaltung wird durch eine Zustandsüberwachung realisiert, welche auf der Messung von mit dem Abnutzungsgrad korrelierten Größen beruht. Im Falle von Pumpen sind beispielsweise charakteristische Schwingungssignale ein zentrales Indiz für einen nahenden Ausfall. Die Messungen werden mittels maschineller Lernverfahren ausgewertet und der Ausfallzeitpunkt prognostiziert. Mit dieser Methode wird die Laufzeit der Equipments ausgereizt, während die Folgekosten von ungeplanten Stillständen minimiert werden.
Softsensoren. Vorhersage von nicht messbaren Parametern.
Softsensoren werden genutzt um nicht messbare Qualitätsparameter online zugänglich zu machen und auf diese Weise ein steuerndes Eingreifen während des Produktionsprozesses zu ermöglichen. Das Wort ‚Softsensor‘ setzt sich aus ‚Software‘ und ‚Sensor‘ zusammen und soll verdeutlichen, dass es sich hier nicht um einen physisch existierenden Sensor handelt, sondern vielmehr um eine berechnete Prognose des Zielwertes.
Ein Beispiel: Die Ausbeute eines chemischen Herstellungsverfahren kann nur ermittelt werden, indem die Konzentration der werthaltigen Komponente laboranalytisch bestimmt wird. Dies bedeutet einen erheblichen Zeitverlust um auf Störungen reagieren zu können. Zur Lösung des Problems wird aus historischen Daten ein Softsensor entwickelt. Die Prognose wird dabei aus den kontinuierlich gemessenen Größen Leitfähigkeit, dem pH-Wert, der Trübung und der Färbung errechnet und stimmt zu 95 % mit der laboranalytisch bestimmten Konzentration überein. Nun kann bereits während des Produktionsprozesses ohne Verzug steuernd eingegriffen werden, um die optimale Ausbeute zu erzielen.