Aufrufe
vor 4 Monaten

Industrielle Automation 5/2019

  • Text
  • Industrielle
  • Automation
Industrielle Automation 5/2019

Ereignisse vorhersagen

Ereignisse vorhersagen Wie Sie mit Predictive Analytics die Anlagen-Produktivität erhöhen und frühzeitig Maschinenausfälle vermeiden können Moderne Analysetools ermöglichen mehr als nur die Umsetzung eines Connected Enterprise. Mithilfe von Predictive Analytics lässt sich auf Basis von historischen Daten die Wahrscheinlichkeit zukünftiger Ereignisse vorhersagen. Dadurch lassen sich Maschinenausfälle und Stillstandzeiten reduzieren und die Produktivität von Anlagen optimieren. Die Technologie, um in die zukünftige Entwicklung von industriellen Abläufen sehen und darauf reagieren zu können, basiert auf drei Komponenten: Erstens müssen die einzelnen Module einer Fabrik oder sogar eines ganzen Unternehmens mit mehreren Standorten miteinander vernetzt sein und konstant im Austausch stehen. Informationen und Zustandsbeschreibungen müssen permanent fließen und dürfen nicht gestört werden. Eine entsprechende Infrastruktur kann durch Nachrüstung oder Neuanschaffung eingerichtet werden. Ein Punkt, der hier gerne als Gegenargument von Betreibern angeführt wird, sind die Lars Eyckmann, Regional Manager Information Software EMEA, Rockwell Automation damit verbundenen Kosten und die vermeintliche Fehleranfälligkeit von hoch technologisierten industriellen Komponenten. In der Realität ist allerdings das Gegenteil der Fall: Zum einen lassen sich durch die Anschaffung einer modernen Infrastruktur Stillstandzeiten durch Produktionsausfälle reduzieren, zum anderen sind moderne Geräte störungsresistenter als ältere. Allein die Daten sind nicht genug Die zweite Komponente für die Funktion von Predictive Analytics ist die Software. Die Datenmenge, die von allen vernetzten Geräten produziert wird, stellt im ersten Moment keinen relevanten Mehrwert dar, wenn Stehen am Ende einer Implementierung eines Connected Enterprise oder der Umsetzung eines Industrial Internet of Things (IIoT) alle Produktionsdaten zur Verfügung, kommt es nur noch in Ausnahmefällen zu einem ungeplanten Maschinen-Stillstand. Lars Eyckmann, Regional Manager Information Software EMEA bei Rockwell Automation dahinter keine Software steht, die in der Lage ist, entsprechende Rückschlüsse aus den Daten zu ziehen. Dabei muss die Software nicht nur die Daten aus den einzelnen Steuerungen oder Antrieben, sondern z. B. auch Umgebungstemperatur oder Luftfeuchtigkeit auswerten können. Zusätzlich müssen auch historische Daten aus der Produktion vorliegen, die Rückschlüsse auf Lebensdauer und Ausfallwahrscheinlichkeiten ermöglichen. Liegen all diese Informationen vor, kann die Software entsprechende Vorhersagen treffen. Handlungsmuster konsequent implementieren und umsetzen Zu guter Letzt muss zum reibungslosen Ablauf und zur Funktion von Predictive Analytics ein sinnvoller Umgang der Daten und der Ergebnisse der Software mit der bestehenden Infrastruktur, also den Mitarbeitern und Verantwortlichen, gefunden werden. Die besten Vorhersagen helfen nicht, wenn nicht Handlungsmuster implementiert werden. Bei routinemäßigen Wartungsarbeiten sollte immer auf die Analysen und Vorhersagen von Predictive Analytics Bezug genommen werden und einzelne Komponenten von Anlagen entsprechend der prognostizierten Lebenszeit ausgetauscht werden. Schulungen oder Anleitungen können in einem Connected Enterprise auch mithilfe von Augmented Reality erfolgen, um dem Instandhaltungspersonal einen umfassenden Überblick über die Möglichkeiten von Predictive Analytics zu gewähren. 44 INDUSTRIELLE AUTOMATION 5/2019

KOMPONENTEN UND SOFTWARE Antriebsmoduls zu einem kompletten Stillstand der Anlage führen. Das noch nasse Papier direkt aus der Produktion reißt an verschiedenen Stellen, und bis zum Neustart des gesamten Prozesses vergehen mehrere Stunden, im schlimmsten Fall sogar Tage. Zudem ist zu klären, welches Antriebsmodul überhaupt die Ursache für den Störfall darstellt, um die Quelle des Fehlers beheben zu können. Stehen hingegen alle Produktionsdaten zur Verfügung, kommt es nur noch in Ausnahmefällen zu einem ungeplanten Stillstand. Das Antriebsmodul, das im Beispiel zum Ausfall der Produktion führte, sendet Echtzeitdaten über Laufleistung und Performance an die Software, die hinter Predictive Analytics steckt. Erreicht die geschätzte Lebenszeit einen bestimmten Schwellenwert, i. d. R. 80 % der berechneten Lebenszykluszeit, wird eine Warnung an die Mitarbeiter ausgegeben, dass das Modul beim nächsten geplanten Stillstand ausgetauscht werden sollte. Ist am Schluss bspw. die Umgebungstemperatur an der schlechten Performance schuld, kann die Stärke der Belüftung erhöht werden. Predictive Analytics in der Papierindustrie Ein Beispiel aus der Praxis belegt, welche Vorteile Predictive Analytics bietet: In der Produktion von Papier läuft nach der Formung und Trocknung des Rohstoffs alles auf eine Walze zu, auf der die fertige Papierbahn aufgerollt und für die weitere Verarbeitung gelagert werden kann. Geht man von einer herkömmlichen Produktion aus, die vollends ohne Predictive-Analytics-Systeme läuft, kann der Ausfall eines einzelnen Das Verfahren Predictive Analytics nutzt historische Daten, um zukünftige Ereignisse vorherzusagen und die Zustandsüberwachung von Maschinen und Anlagen zu optimieren Vorteile für die industrielle Produktion Eine vernetzte industrielle Produktion minimiert nicht nur Stillstandzeiten und Produktionsausfälle. Mithilfe eines Connected Enterprise lassen sich darüber hinaus Instandhaltungsarbeiten wesentlich besser planen und durchführen. Wer einen Überblick hat, wo in seiner Produktion innerhalb der nächsten Stunden oder Tage die Lebenszeiten von einzelnen Teilen auslaufen werden, kann erforderliche Instandhaltungsarbeiten optimiert planen. Außerdem lassen sich durch die vorliegenden Informationen aus allen Bereichen der industriellen Produktion die Lebenszeit von Antrieben, Steuerungen und anderen Modulen erheblich erhöhen, indem man den Verschleiß durch entsprechende Anpassungen minimiert. Bilder: Aufmacher Fotolia, 01 GettyImages, Statement Rockwell www.rockwellautomation.com Für jeden Einsatzbereich den optimalen Panel-PC 9 V ~ 36 V Bluetooth • 7" bis 32" • IP66 oder IP66/IP69K Wireless RFID • Schalttafelmontage oder VESA • PCAP-Multi- oder resistiver Touch IP66 IP69K • unübertroffene 24/7-Zuverlässigkeit -20°C ~ 60°C Lüfterlos Multi Touch • Single-Board-Platinendesign, extrem robust Anitfreflex- Beschichtung Optical Bonding High Brightness wachendorff-prozesstechnik.de/panel-pc +49 6722 / 99 65 20 • wp@wachendorff.de

AUSGABE