Künstliche Intelligenz Luft nach oben für den ROI – Einsparpotenziale bei Drucklufterzeugung

Von Wolfgang Ernhofer

Bei der Erzeugung und Nutzung von Druckluft als Energieform locken große Einsparpotenziale. Der Einsatz Industrieller Künstlicher Intelligenz erleichtert die aufwendige Suche nach Leckagen in Druckluftanlagen, erhöht die Gesamtanlageneffektivität und senkt den CO2-Ausstoß. Im folgenden Artikel erhalten Sie einen Überblick über Einsparungspotenziale sowie die Praxistauglichkeit der Machine Learning Technologie zur automatisierten Anomalieerkennung und Leckageverortung in pneumatischen Systemen.

Anbieter zum Thema

(Bild: dizfoto1973 - stock.adobe.com)

Wenn Ihrer Anlage die Luft ausgeht… Dann ist höchste Zeit für den Einsatz von Industrieller Künstlicher Intelligenz für eine automatisierte Anomalieerkennung und Leckageverortung. Unternehmen sind auf Grund der ISO 50001 Norm verpflichtet, ein Ziel für die Einsparung von Energie festzulegen und nachweislich zu erreichen. Die naheliegende Frage lautet: Wo liegen relevante Einsparpotenziale?

Rund 7 % des industriellen Stromverbrauchs werden für Erzeugung und Anwendung der Druckluft verbraucht, wovon durchschnittlich 30 % durch Leckagen verloren gehen. Allein eine 6 mm-Leckage erzeugt pro Jahr 10 – 20.000 Euro Kosten. Und je nach Anlagengröße und Anzahl der pneumatischen Komponenten können bis zu 70-100 Leckagen pro Jahr entstehen. Hierzulande sind rund 60.000 Druckluftanlagen in Betrieb. Die Zahlen machen es deutlich: bei der Erzeugung und Nutzung von Druckluft als Energieform ist definitiv Luft nach oben für den ROI. Durch den Einsatz Industrieller Künstlicher Intelligenz wird die lästige Suche nach Leckagen in Druckluftanlagen bald sehr viel einfacher.

Machine Learning Technologie eröffnet neue Horizonte zur Nutzung der generierten Daten

Die Digitalisierung ist in der Prozessindustrie weit vorangeschritten. Viele Prozessschritte wurden automatisiert und eine große Menge an Daten wird bereits erfasst. Fortschritte bei der Sensorik haben das in den letzten Jahren enorm verstärkt. Die Herausforderung liegt nun in der Integration der Daten über verschiedene Verfahrensschritte und den gesamten Prozesslebenszyklus hinweg. Während herkömmliche Messverfahren in Druckluftanlagen, z.B. mit Ultraschall, zu aufwändig, teuer und damit nur zu selten einsetzbar sind, eröffnen Entwicklungen in der Machine Learning Technologie hierbei neue Horizonte. Eine essenzielle Voraussetzung für den erfolgreichen Einsatz von industriellen KI-Verfahren ist deren Erprobung unter realen oder weitgehend realistischen Bedingungen. Dies ist der AIM in Zusammenarbeit mit Emerson Automation Solution (Aventics) gelungen.

Automatisierte Anomalieerkennung und Leckageverortung durch den Einsatz von Künstlicher Intelligenz

In pneumatischen Systemen können Luftleckagen an den ausführenden und verbindenden Komponenten entstehen, die zu hohen Energieverlusten führen. Die Zielstellung für das KI-basierte Verfahren war es, den Zusammenhang zwischen Steuersignalen der Zylinder und dem Messwert für die Druckluft-Durchflussmenge für ein gegebenes Betriebsprogramm zu erlernen. Anschließend kann mit dem Algorithmus die zu erwartende Durchflussmenge vorhergesagt werden. Die Analyse des sich ergebenen Prognosefehlers ermöglicht schließlich die Erkennung und Lokalisierung etwaiger Leckagen. Dabei erlaubt das Verfahren neben der Zuordnung von Leckagen zu einem der Zylinder, auch Aussagen über die Zylinderseite (rod/piston) zu treffen, auf der die Leckage vorliegt.

Entsprechend gilt: Je präziser der Algorithmus die Durchflussmenge im Druckluftsystem vorhersagen kann, desto frühzeitiger und robuster kann anhand statistischer Abweichungen des Prognosefehlers eine Erkennung und Verortung von Leckagen geschehen.

Erfreulicherweise lässt sich berichten, dass die Methode mit einer Trefferquote von durchschnittlich 98 % die Leckagen für jedes Ventil erfolgreich erkennen und korrekt zuordnen konnte. Mit einer geeigneten nachgelagerten Bewertung der vom Verfahren als positiv erkannten Zeitabschnitte ist es darüberhinaus möglich, ohne großen Aufwand sämtliche Fehlalarme zu verhindern und im Rahmen der Testdaten zu einer Erkennungsrate von 100 % zu gelangen. Durch das Zusammenspiel von technischer Expertise und Industrieller KI werden auf diese Weise produktionstaugliche Lösungen realisiert, die eng in den Shopfloor integriert sind und kontinuierlich nicht nur Aufkommen, sondern auch Orte von Leckagen ermitteln können; und dies durchgängig, mit Planungsvorsprung.

„Die hohe Erkennungsleistung des Verfahrens unterstreicht dessen Praxistauglichkeit und motiviert uns zu einem Erfolgsbericht. In der Folge gelingt es die Energiekosten und den CO2-Ausstoß zu senken und als „Nebeneffekt“ die OEE zu verbessern“, sagt Arvin Arora, Geschäftsführer, AIM.

Praxisimpulse auf dem Smart Process Manufacturing Kongress

Die wichtigsten Erkenntnisse, Herausforderungen und Lösungsansätze aus der Praxis werden im Rahmen der zweiten Deep Dive Session am 04. Mai 2022 Live auf dem Smart Process Manufacturing Kongress von Arora vorgestellt. Aus der gemeinsamen Erprobung und Umsetzung dieser Predictive Maintenance-Lösungen erfahren Sie konkret und praxisnah:

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung.

Aufklappen für Details zu Ihrer Einwilligung
  • Wie eine Minimierung der Sensorik und Beschaffung der notwendigen Daten zeitnah gelingt.
  • Wie die Kombination von Ingenieurs-, OT- und KI-Wissen zu praxistauglichen Verfahren führt.
  • Wie der aktuelle Stand der Dinge aussieht: Welche Einflussfaktoren, Leistung und Grenzen der Leckageverortung bestehen.
  • Wie enge Integration in Produktions- und Instandhaltungsabläufe (Kalibrierung, Überwachung) gewährleistet werden.
  • Wie ein pragmatischer Ansatz punktet: schneller Einstieg, schrittweise Ausweitung.

Smart Process Manufacturing Kongress

Der Smart Process Manufacturing Kongress am 3.- 4. Mai steht in diesem Jahr unter dem Motto „Digitalisierung als Hebel für mehr Nachhaltigkeit“. Erleben Sie zukunftsweisende Impulse und lösungsorientierte Best Practice-Beispiele. Lassen Sie sich inspirieren und nutzen Sie den Austausch unter Experten auf der Netzwerkplattform Nummer 1.

Jetzt anmelden!

„Künftig wird es keinen Grund mehr geben, Druckluft unnötig entweichen zu lassen und auf die Energieeinsparpotenziale zu verzichten. Als Anbieter Industrieller KI-Lösungen, freuen wir uns auf den Austausch, um das neu gewonnene Domänenwissen mit Data Science zu verknüpfen. Unser Ziel ist nachweisliche Mehrwerte wie Kostensenkung und Effizienzsteigerung, durch KI-Einsatz aufzuzeigen, wodurch die Entwicklung neuer Produkte, Dienstleistungen und Geschäftsmodelle gefördert wird,“ freut sich Arora auf die Veranstaltung.

Sie möchten sich mit den Experten von AIM zu diesem Anwendungsfall austauschen? Oder wollen Sie KI zum Einsatz bringen und stehen derzeit vor bedeutenden Herausforderungen? Nutzen Sie die Gelegenheit auf dem Smart Process Manufacturing Kongress und vereinbaren Sie einen Gesprächstermin. Arvin Arora (Geschäftsführer, AIM) und Götz Häusler (Leiter Business Development, AIM) nehmen sich gerne die Zeit, mit Ihnen die nächsten Schritte Ihrer KI-Reise zu besprechen.

(ID:48268041)