Process Data Analytics ist ein Softwarepaket, mit dem sich Qualitäts- und Produktivitätsprobleme innerhalb eines Herstellungsprozesses frühzeitig erkennen lassen. Das geschieht durch die Analyse von Prozessdaten, Informationen zum Anlagenstatus und der Betriebshistorie.
Process Data Analytics R1.02 enthält neue Funktionen für den Import von Daten aus Prozess- und Informationsmanagement-Systemen (PIMS), für die Konfiguration von Daten-Anzeigeeinstellungen und die Erfassung von Diagrammdaten, die die Datenanalyse verbessern und den Trial-and-Error-Zyklus verkürzen sollen.
Hintergrund für die Entwicklung
Die Produktqualität wird von mehreren Faktoren wie etwa Schwankungen der Rohstoffqualität und der Alterung von Produktionsanlagen beeinflusst. Um solche Probleme zu lösen, greifen Hersteller zunehmend auf digitale Technologien und Lösungen wie KI, Big Data und Industrial IoT (IIoT) zurück.
Die Prozessdatenanalyse-Software von Yokogawa verwendet die Mahalanobis-Taguchi(MT)-Methode (siehe unten), um
Temperatur
Druck
Durchfluss
Füllstand und
andere Prozessdaten
aus PIMS und Betriebs- und Wartungsstatus-Informationen sowie Betriebsverlaufsdaten schnell und effizient zu analysieren. In Kombination mit den analytischen Dienstleistungen von Yokogawa soll die Software erheblich zur Verbesserung der Produktqualität beitragen.
Drei konkrete Verbesserungen
Seit der Markteinführung von Process Data Analytics R1.01 im Mai 2017 arbeiten Prozessingenieure und Datenwissenschaftler von Yokogawa mit ihren Kunden aktiv zusammen, um das Produkt zu verbessern. Basierend auf diesen Ergebnissen wurden Optimierungen an der Software vorgenommen, die den Import und die Analyse von Daten aus den PIMS anderer Anbieter ermöglichen, die Änderung von Einstellungen und die Ausführung von Berechnungen vereinfachen und beschleunigen sowie die Erstellung von Berichten erleichtern.
1. Import von Daten aus PIMS, die den OPC-Standard unterstützen
In Anlagen auf der ganzen Welt sind die unterschiedlichsten Datenerfassungssysteme verschiedener Hersteller im Einsatz. Für eine effektive Analyse ist es wichtig, auf alle von diesen Systemen gesammelten Daten zugreifen zu können. Die Prozessdatenanalyse-Software läuft auf Windows-PCs und greift auf Dateien von PIMS, DCS und SPS zu, die in das CSV-Format konvertiert wurden. Process Data Analytics R1.02 verfügt über eine OPC-HDA-Schnittstelle (historischer Datenzugriff), die den globalen Standard für den Datenaustausch in der industriellen Automatisierung und anderen Branchen darstellt. Durch diese Funktion kann die Software Daten aus allen PIMS importieren, die diesen Standard unterstützen.
2. Verbesserte Bedienbarkeit
Um die Datenanalyse zu erleichtern, ermöglicht Process Data Analytics R1.02 die Überlagerung mehrerer Prozessdatendiagramme. Einstellungen wie der Datenstartpunkt und die Displayfarben können jetzt auch je nach Fertigungsbedingungen einfach geändert werden. Benchmark-Tests, die von Yokogawa-Analysten durchgeführt wurden, haben gezeigt, dass diese Funktionen eine 80-prozentige Verkürzung der Datenanalysezeit ermöglichen.
3. Erfassung und Weitergabe von Analyseergebnissen
Um den Austausch von Datenanalyse-Ergebnissen zwischen Ingenieuren zu erleichtern, bietet Process Data Analytics R1.02 eine neue Funktion, mit der Ingenieure Diagramme mit ihren Analyseergebnissen erfassen und diese Daten in eine beliebige allgemeine Berichtssoftware einfügen können. Dadurch entfällt die Notwendigkeit, diese Grafiken zu reproduzieren. Die Analysten können sich voll und ganz auf die Analyse und Diskussion der Analyseergebnisse konzentrieren.
Begriffsklärung: Mahalanobis-Taguchi-Methode
Die Mahalanobis-Taguchi-Methode ist eine Mustererkennungstechnologie. Benannt wurde sie nach Dr. P.C. Mahalanobis, der die Mahalanobis-Distanz (ein Distanzmaß zwischen Punkten in einem mehrdimensionalen Vektorraum) einführte, und Dr. Genichi Taguchi, der eine Schlüsselrolle bei der Entwicklung des Qualitätsmanagements spielte. Basierend auf der Distanz zwischen Bezugsdaten und Musterdaten lassen sich mittels dieser Methode sämtliche Abweichungen von einer Zielgröße quantitativ bestimmen.
%20Fraunhofer%20IOSB.jpg "Fraunhofer-Forscher bauen Brücken zwischen Smart Factories")
