Zeitlich hoch aufgelöste Signale, zusätzliche Messpunkte und das Verwenden von noch mehr Sensoren und Messgeräte führen dazu, dass die Datenflut heutzutage immer weiter ansteigt. Dies gilt in besonderem Maße beim Erfassen und Speichern prozessrelevanter Kenngrößen einer Industrieanlage. Je ausgereifter die Werkzeuge für Qualitätsmonitoring und Prozessanalyse werden, desto größeren Wert legen die Unternehmen auf eine lückenlose Datenerfassung im 24/7-Betrieb. Bei technischen Störungen erweist es sich als essenziell, zeitlich hochaufgelöste Datensätze prozessrelevanter Größen verfügbar zu haben. Ergänzend wird vielfach Videoüberwachung eingesetzt, um Abläufe zu visualisieren und kritische Ereignisse zur späteren Analyse aufzuzeichnen. Besonders effizient ist diese Art der Datenaufzeichnung, wenn die Videodaten zeitsynchron mit den Anlagen- und Steuerungsdaten aufgezeichnet werden. Dadurch können die Videodaten mit den Messdaten in Beziehung gesetzt werden.
Bei der Vernetzung mehrerer Maschinensteuerungen spitzt sich die Lage noch zu: In aller Regel vervielfacht sich das Datenaufkommen der einzelnen Zellen durch die Interaktion mit anderen. Die Analyse dieser Vorgänge ist nur möglich, wenn eine gemeinsame Zeitbasis bei der Messdatenerfassung verwendet wird. Nur so können Wechselwirkungen und Abhängigkeiten zwischen den einzelnen Steuerungen in Beziehung miteinander gesetzt werden. Nur ein externes Datenerfassungsgerät kann diese gemeinsame Zeitbasis mit einer hinreichenden Genauigkeit von einer Millisekunde oder besser zur Verfügung stellen.
Um relevante Informationen zu gewinnen, werden die gewonnenen, hochaufgelösten Messdaten nach benutzer- und aufgabenspezifischen Gesichtspunkten aggregiert und ausgewertet. Dadurch ist eine multiple Nutzung der aufgezeichneten Messdaten durch verschiedene Anwendergruppen wie Instandhaltung, Produktionsleitung oder Qualitätssicherung möglich. Die allen Anwendungen gemeinsame Datenbasis ermöglicht einen transparenten Rückbezug auf die Rohdaten, den Drill Down. So können verschiedene Auswertungen durchgeführt und von aggregierten statistischen Kennzahlen immer auf die Rohdaten und damit auf die Ursachen geschlossen werden.
Datenpool auswerten und analysieren
Nicht beherrschte Komplexität führt bei umfangreichen Anlagen zu Ausfällen und verlängerten Leerlaufzeiten bis hin zum Produktionsstillstand. Störungen werden in solchen Fällen vom Wartungspersonal häufig als sporadisch erachtet, obwohl sie in Wahrheit systematischer Natur sind. Typische Frühindikatoren für die unvollständige Systemdurchdringung der Betreiber sind nachlassende Qualität und Maßhaltigkeit. Die wirtschaftlichen Auswirkungen einer solchen schwindenden Anlagenperformance durch systematische Ursachen wie Materialermüdung, Abriebe, Verschmutzungen, Korrosion und Alterung sind schwerwiegend. Durch intelligentes Design der analytischen Werkzeuge können solche Störungen eingedämmt oder gänzlich verhindert werden.
Sobald das datentechnische Design einer Anlage steht und der Modus der Datenspeicherung festgelegt wurde, verlagert sich das Augenmerk von der Datenerfassung und -speicherung auf die analytische Aufbereitung der aufgezeichneten Messdaten. Bei geschickter Auswahl von Toleranzbereichen und geeigneten Auswertungsalgorithmen entsteht ein Grad an Transparenz, der das Gesamtsystem übergreifend verstehbar macht, wodurch man es erst verbessern kann.
Die Entwicklung von Qualitätsdaten, die auf der kontinuierlichen Auswertung der erhobenen Prozessdaten basiert, ist ihrem Wesen nach ein iterativer Prozess: Zum Erfassen der Produktqualität müssen zunächst Key Performance Indicators (KPI) identifiziert werden. Jeder dieser Größen wird ein Zielwert beziehungsweise Idealwert und ein Toleranzbereich zugewiesen. Die Erfahrungswerte der Produktionspraxis fließen dann im weiteren Verlauf in die Präzisierung der Idealwerte und Toleranzen ein. Während die Experten durch ihr theoretisches Wissen und die Produktionserfahrung die Struktur des Prozesses immer weiter aufschlüsseln, ermöglichen geeignete Werkzeuge, die Auswertung des Datenmaterials zu automatisieren sowie die gewonnenen Erkenntnisse übersichtlich aufzubereiten und je nach Bedarf zu bündeln. Aufgaben- und anwenderspezifische Auswerteverfahren ermöglichen, den Datenbestand multipel zu nutzen.
Informationen automatisch gewinnen
Der Fürther Spezialist für Mess- und Automatisierungstechnik IBA hat sich auf modulare und skalierbare Messwerterfassungssysteme im Umfeld von komplexen Maschinen und Anlagen spezialisiert. Das IBA-System unterstützt ein 4-stufiges Vorgehensmodell zur Datenerfassung (Phase 1), Datenaufzeichnung (Phase 2), Datenauswertung (Phase 3) und automatischen Informationsgewinnung (Phase 4).
Im Bereich der Datenerfassung ermöglichen die IBA-Komponenten durch ihre Konnektivität zu Automatisierungssystemen unterschiedlicher Hersteller und Maschinengenerationen Daten von verschiedenen Quellen dezentral über die unterschiedlichen Funktionsbaugruppen der Anlage hinweg zu erfassen (Phase 1). Sämtliche Daten werden im Prozessdatenaufzeichnungssystem, dem ibaPDA, mit einem gemeinsamen Zeitstempel versehen und in Messdateien gespeichert (Phase 2). Durch die isochrone Erfassung mit einer gemeinsamen Zeitbasis können Abhängigkeiten und Wechselwirkungen in der Analysephase (Phase 3) erkannt werden. Im Bereich der Datenaufbereitung und -analyse bietet das Unternehmen beispielsweise die Applikationen ibaAnalyzer und ibaDatManager. Im Bereich der automatisierten Informationsgewinnung für Prozessanalyse und Qualitätsmanagement gibt es leistungsstarke Anbindungen an SQL- und Oracle-Datenbanken. Über die in dem Analysewerkzeug integrierten Funktionen ibaAnalyzer-DB und ibaAnalyzer-ReportGenerator lässt sich eine automatisierte Informationsgewinnung erzielen. Der eingehende Datenstrom kann ohne weitere Eingriffe systematisch aufbereitet und in nutzergruppenspezifische Formate überführt werden (Phase 4).
Mit den Auswertewerkzeugen von IBA ist es möglich, von aggregierten Daten den Bezug auf die Rohdaten herzustellen. Durch die Rückkehr auf die aufgezeichneten Messwerte kann man den Ursachen für bestimmte Vorfälle auf den Grund gehen (Drill-Down). So kann verhindert werden, dass sich Fehler einschleichen, die durch die sequentielle Durchführung mehrerer Aggregationsschritte entstehen. Solche Fehler sind typisch für den Bereich der vertikalen Datenintegration – also einer Verdichtung von Ausgangswerten, die über mehrere Informationsebenen hinweg erfolgt.
Verlässlicher Zugriff auf die Rohdaten
Die multiple Datennutzung stellt einen vielversprechenden Weg dar, Produktionsprozesse über sämtliche Bereiche eines Unternehmens hinweg zu verbessern. Das Aufbereiten der Daten nach Fachbereichen und Aufgabenstellungen ermöglicht es, verschiedene Perspektiven zu wahren, ohne das Produkt und den Prozess aus den Augen zu verlieren. Da die Daten hierfür im Allgemeinen mehrfach, nach unterschiedlichen Gesichtspunkten – zum Beispiel Zeit oder Produktionslänge –, und nach festen Vorgaben aggregiert werden, können wichtige Prozessinformationen verloren gehen. Die dezentrale Messwerterfassung mit einem analytischen Instrumentarium erlaubt jedoch einen Drill-Down zu den Rohdaten. Für die Gesamtdurchdringung der Produktion sind solche automatisierten Aufbereitungsformen eine bedeutende Stütze. Produktionsausfälle, die auf einer unvollständigen Beherrschung der Anlagenkomplexität basieren, können durch ein universelles Messsystem in Verbindung mit einer multiplen Datennutzung nachhaltig vermieden werden.
