Auslegung verfahrenstechnischer Anlagen Qualität und Transparenz – ein Ansatz für FAIRe Qualitäts-KPIs

Ein Gastbeitrag von Univ.-Prof. Dr.-Ing. Peter F. Pelz und Dr.-Ing. Christian Schänzle, Institut für Fluidsystemtechnik, TU Darmstadt

Für technische Anlagen in Pharma, Chemie und Verfahrenstechnik steht die Forderung nach Qualität an erster Stelle. Qualität hat drei Dimensionen: Aufwand, Verfügbarkeit und Akzeptabilität. Der Darmstädter Ansatz für FAIRe Qualitäts-KPIs legt die Grundlage für eine optimale Auslegung verfahrenstechnischer Anlagen – und dies transparent, nachvollziehbar und damit akzeptiert von allen Stakeholdern.

Firma zum Thema

FAIRe Qualitäts-KPI basieren auf dem Bild eines Wollfadens, der die aggregierten KPIs mit den zugrundliegenden Daten verbindet.
FAIRe Qualitäts-KPI basieren auf dem Bild eines Wollfadens, der die aggregierten KPIs mit den zugrundliegenden Daten verbindet.
(Bild: ©Coprid - stock.adobe.com)

Im 19ten und 20sten Jahrhundert waren zwei Designparadigmen vorherrschend. Zunächst „form […] follows function“ von Louis Sullivan. Das Design, beispielsweise einer verfahrenstechnischen Anlage, leitet sich allein aus der Funktion ab. Dieter Rams formulierte dagegen „less but better [quality]“ und legte den Fokus des Designs auf die Qualität. Im Sonderforschungsbereich 805 der TU Darmstadt ist daraus ein neues Designparadigma entstanden: „Maximise Quality subject to Functionality“.

Das Ziel der maximalen Qualität unter Einhaltung physikalischer, rechtlicher und normativer Restriktionen führt zur nachhaltigen Systemsynthese, dem Sustainable Systems Design [1]. Neu ist, dass Qualität und Funktion voneinander getrennt betrachtet werden. Die Funktion wird im begrenzten Designraum realisiert. Dieser wird durch wirtschaftliche, ökologische, soziale oder physikalische Restriktionen begrenzt. Auch ein zu erfüllendes Lastkollektiv (funktional requirement) wird zu einer Restriktion.

Bildergalerie

Qualität hat die drei Dimensionen Aufwand, Verfügbarkeit und Akzeptabilität. Maximale Qualität erfordert die drei Ziele (1) minimiere den Aufwand, (2) maximiere die Verfügbarkeit und (3) maximiere die Akzeptabilität [1].

  • 1. Aufwand bemisst die wirtschaftlichen, ökologischen und sozialen Kosten, die für die Produktion und den Betrieb eines Systems erforderlich sind. Er wird z. B. durch die Gesamtbetriebskosten, den Material- oder Energieverbrauch ausgedrückt.
  • 2. Verfügbarkeit bemisst die Zeit, in der das System bestimmte Funktionen erfüllen kann. Kurzfristige Verfügbarkeit geht mit geringen Totzeiten einher. Langfristige Verfügbarkeit berücksichtigt die Ausfallwahrscheinlichkeit und Verschleiß.
  • 3. Die Akzeptabilität ist unter dem Gesichtspunkt der Quantifizierbarkeit das schwierigste Maß. Sie hat zwei Seiten: Erstens die Konformität mit Normen und Regularien. Zweitens die informelle Akzeptabilität. Sie wird durch positive Nutzererfahrungen sowie eine hohe funktionale Qualität erreicht. Darunter versteht man minimale Soll-Ist-Abweichung der Funktionserfüllung.

Dieses allgemeine Verständnis von Qualität lässt sich auf verfahrenstechnische Anlagen übertragen. Klar ist, dass für die Qualität einer Anlage immer alle drei Dimensionen – Aufwand, Verfügbarkeit und Akzeptabilität – berücksichtigt werden müssen. Gleichzeitig gibt es unterschiedliche Qualitätswerte je nach Stakeholder. Diese sind Zulieferer, Owner-Operater und die Gesellschaft. Während für Zulieferer oftmals geringe Kosten im Sinne „just good enough“ im Fokus sind, verlangen Owner-Operator maximale funktionale Qualität und eine hohe Verfügbarkeit im Sinne „as good as it gets“. Die Gesellschaft legt den Fokus auf minimale Emissionen und die Einhaltung von rechtlichen Rahmenbedingungen. Erst dieses Zusammenspiel der verschiedenen Stakeholder führt in einem Aushandlungsprozess zur Auswahl von Qualitätsmetriken, deren Gewichtung und somit zur Qualität eines Produktes oder einer verfahrenstechnischen Anlage.

Das Problem: fehlende Akzeptanz

Herrscht bei den Stakeholdern ein gemeinsames Verständnis über die Qualität von verfahrenstechnischen Anlagen? Ist die Gewichtung der Ziele innerhalb der Qualitätsdimensionen für alle Stakeholder nachvollziehbar? Unsere Hypothese ist, dass dies in der Regel nicht der Fall ist. Die Konsequenz und Gefahr ist: fehlende Akzeptanz!

Für eine transparente und nachvollziehbare Entscheidungsgrundlage benötigt es zweierlei: Erstens die Quantifizierung von Qualität mittels Metriken. Metriken beschreiben Merkmale von verfahrenstechnischen Anlagen und sind direkt messbar oder indirekt berechenbar. Durch die Zuordnung der Merkmale zu einer Qualitätsdimension erhält man Qualitätsmetriken, auch Qualitäts-KPIs genannt. Zweitens die Anwendung der bekannten FAIR-Prinzipien. Daten und Informationen müssen auffindbar (Findable), zugänglich (Accessible), interoperabel (Interoperable) und wiederverwendbar (Reusable), das heißt FAIR sein. Dies sind die zwei Säulen des Darmstädter Ansatzes für FAIRe Qualitäts-KPIs.

Der Wollfaden als Sinnbild für Nachvollziehbarkeit

Denkt man an KPIs, hat man Berichte und Präsentation mit Balkendiagrammen und Zeitschrieben im Sinn. Unklar bleibt üblicherweise, wie die Ergebniswerte der KPIs zustande gekommen sind. Was war die Datengrundlage? Welche Berechnungs- und Aggregationsvorschriften wurden verwendet? FAIRe Qualitäts-KPI geben hierauf die Antwort. Sie basieren auf dem Bild eines Wollfadens, der die aggregierten KPIs mit den zugrundliegenden Daten verbindet. Der Wollfaden repräsentiert die Abfolge der Methoden, mit denen die Daten verarbeitet werden. Das sind Datenerhebungsmethoden, Berechnungs- und Aggregationsvorschriften, statistische Verfahren und Algorithmen. Diese werden durch Softwaremodule abgebildet und durch Datenpipelines verknüpft. Wird der Wollfaden abgerollt und sprichwörtlich entlanggegangen, werden sowohl Daten als auch die Methoden der Datenverarbeitung nachvollziehbar. Das macht KPIs disaggregierbar und die wesentlichen Einflussfaktoren transparent.

Die Auffindbarkeit der Daten und Verarbeitungsmethoden gelingt durch die Verwendung von Persistent Identifiers (PIDs). Sie referenzieren aufeinander und geben Richtung des Wollfadens vor. Die Zugänglichkeit zu Daten wird durch Protokolle geregelt und ist durchaus beschränkt. Nachvollziehbarkeit und Transparenz sind fallspezifisch, kontext- und nutzerabhängig. Die Interoperabilität der Daten und Methoden erfordert eine formale Notation zur Wissensrepräsentation. Datenformate und Software müssen möglichst open source und etabliert sein.

Auf diese Weise werden Daten sowohl durch Menschen als auch Maschinen lesbar und verarbeitbar. Die Wiederverwendbarkeit der Daten und Methoden gelingt durch die Beschreibung mittels domänenspezifischer und relevanter Metadaten. Die Realisierung dieses Bildes eines Wollfadens führt zu FAIRen Qualitäts-KPIs, erzielt Nachvollziehbarkeit und Transparenz und damit Akzeptanz.

Immer das Ziel im Blick: Besser geht's nicht

Der Darmstädter Ansatz für FAIRe Qualitäts-KPIs vereint somit zweierlei: erstens das neue Verständnis von Qualität mit den drei Dimensionen Aufwand, Verfügbarkeit und Akzeptabilität, zweitens die umfassende Anwendung der bekannten FAIR-Prinzipien. An der TU Darmstadt füllen wir dies mit Leben durch die Forschung am Sustainable Systems Design [1] und im Rahmen der Nationalen Forschungsdateninfrastruktur für Ingenieurwissenschaften (NFDI4Ing). Die Forschungsergebnisse umfassen die Entwicklung neuer Metriken für die Resilienz und die Effizienz von Komponenten und technischen Anlagen [2,3,4,5]. Methoden für ein benutzerfreundliches und praxisnahes Forschungsdatenmanagement werden validiert [6,7,8,9].

Vereint mit der Anwendung von Optimierungsalgorithmen erreichen wir globaloptimale Lösungen in der Planung verfahrenstechnischen Anlagen [10,11,12,13]. Immer das Ziel im Blick: „Besser geht’s nicht“. Und das im Spannungsfeld der drei Qualitätsdimensionen Aufwand, Verfügbarkeit und Akzeptabilität, transparent und nachvollziehbar.

Quellen:

[1] Pelz, P.F.; Groche, P.; Pfetsch, M.; Schäffner, M.; 2021. „Mastering Uncertainty in Mechanical Engineering“, Springer, ISBN: 978-3-030-78354-9

[2] Leise, P.; Breuer, T.; Altherr, L. C.; Pelz, P. F.; 2020. „Development, Validation and Assessment of a Resilient Pumping System”, in: Proceedings of the Joint International Resilience Conference, JIRC2020, Twente, Netherlands, DOI: 10.3990/1.9789036550956

[3] Müller, T.; Schmitt, A.; Leise, P.; Meck, T.; Altherr, L. C.; Pelz, P. F.; Pfetsch, M. E.; 2021. „Validation of an Optimized Resilient Water Supply System”, in: Proceedings of the 4th International Conference on Uncertainty in Mechanical Engineering (ICUME 2021), DOI: 10.1007/978-3-030-77256-7_7

[4] European Commission. Commission Regulation (EU) No 547/2012 of 25 June 2012 implementing Directive 2009/125/EC of the European Parliament and of the Council with regard to ecodesign requirements for water pumps.

[5] Stoffel, B; 2015. „Assessing the Energy Efficiency of Pumps and Pump Units”, Elsevier, ISBN: 978-0-08-100597-2

[6] Preuß, N.; Schänzle, C.; Pelz, P. F.; 2019. „From notebooks to Data-Pipelines : The Darmstadt Approach to handling measurement data and metadata”. in: 4th International Rotating Equipment Conference, Wiesbaden, Germany

[7] Müller, T. M. ; Leise, Philipp; Meck, Tobias; Altherr, Lena C.; Pelz, P. F.; 2019. „Systemic Optimization of Booster Stations - From Data Collection to Validation”, in: 4th International Rotating Equipment Conference - Pumps and Compressors, Wiesbaden, Germany

[8] Pelz et al.; 2019. “NFDI4Ing - the National Research Data Infrastructure for Engineering Sciences” Excerpt from the Funding Proposal, DOI: 10.5281/zenodo.4015201

[9] Pelz, P. F. 2021. „FAIRe Daten, der Rohstoff des 21ten Jahrhunderts - Enabler für Transparenz, Nachhaltigkeit, Wissenschaft, Wirtschaft“, Präsentation, https://ta_alex.pages.rwth-aachen.de/public_projects/

[10] Holl, M.; Pelz, P. F.; 2016. „Multi-pole system analysis (MPSA) – A systematic method towards techno-economic optimal system design”, in: Applied Energy 169, S. 937–949, DOI: 10.1016/j.apenergy.2016.02.076

[11] Müller, T.; Altherr, L.C.; Ahola, M.; Schabel, S.; Pelz, P. F.; 2019. „Multi-Criteria Optimization of Pressure Screen Systems in Paper Recycling – Balancing Quality, Yield, Energy Consumption and System Complexity”, in: EngOpt 2018, Springer, DOI: 10.1007/978-3-319-97773-7_105

[12] Meck, M.; Müller, T.; Altherr, L. C.; Pelz, P. F.; 2020. „Improving an Industrial Cooling System Using MINLP, Considering Capital and Operating Cost”, in: Operations Research Proceedings, Dresden, Germany, DOI: 10.1007/978-3-030-48439-2_61

[13] Institut für Fluidsystemtechnik, TU Darmstadt; Evonik; Lewa; Netzsch; Klaus Union; IAV; 2019. „Hocheffiziente chemische Anlagen mittels Technical Operations Research“, BMWi-Projekt, http://enpro-initiative.de/ENPRO+2_0/HECTOR.html

(ID:47783926)