Mobile-Menu

Datenanalyse

Was kommt nach Big Data? – Analyse großer Datenmengen in Verarbeitungsprozessen

Seite: 3/3

Anbieter zum Thema

DECHEMA e.V.
Haus der Technik e.V.
Mettler-Toledo GmbH
Fraunhofer-Anwendungszentrum Industrial Automation (IOSB-INA)
NAMUR e. V. c/o Bayer AG NAMUR-Geschäftsstelle

In dem Projekt wurden verschiedene modellbasierte und datenbasierte Anomalie-Erkennungsverfahren untersucht: Distanzbasierte Methoden berechnen die Entfernung potentieller Anomalien zu den nächsten Nachbarn in historischen Datensätzen. Regressionsmodelle und selbstorganisierende Karten werden dagegen verwendet, um Beobachtungen vorherzusagen und die vorhergesagten Werte mit den tatsächlichen Beobachtungen zu vergleichen.

Ergänzendes zum Thema
Namur-Hauptsitzung 2016: Lösungen zur Optimierung in der globalen Prozessindustrie

Die europäische Prozessindustrie nutzt die Chancen, die technologische Innovationen und nachhaltiges Wachstum bieten, indem sie ihre Geschäftstätigkeit immer weiter globalisiert. Mit ihrer Umstellung auf neue Produktionsbereiche stärken die Unternehmen ihre Wettbewerbsfähigkeit. Gleichzeitig zeigt der Markt bereits seit zehn Jahren den deutlichen Trend von Rohchemikalien hin zu Spezialchemikalien.

Beim diesjährigen Treffen der Anwender von Prozessautomatisierung geht es daher um das Steuern und Optimieren global vernetzter Wertschöpfungsketten und die Steigerung von Effizienz und Flexibilität. Der diesjährige Sponsor Yokogawa und die Mischung aus innovativen und praxisnahen Themen der Vorträge und Workshops lassen eine spannende Namur-Hauptsitzung (10./11.November) erwarten.

Im Plenarvortrag des Sponsors wird Yokogawa die Möglichkeiten der Zusammenarbeit darstellen und aktuelle Entwicklungen des Unternehmens vorstellen. Die begleitende Ausstellung während der Veranstaltung gibt ergänzend einen Einblick in die Automatisierungswelt von Yokogawa.

Weitere Vorträge werden die Themen „Plant Performance“, „Namur Open Architecture“und „Remote Operation“ abdecken. Am zweiten Tag wird es eine Podiumsdiskussion zum Thema „Modularisierung“ und interessante Plenarvorträge u.a. zur Verbesserung der Verfügbarkeit und Data Mining geben.

Im Fall der Destillationskolonnen wurde ein datengetriebenes Systemmodell in Form einer selbstorganisierenden Karte erzeugt. Mit einer Watershed Transformation wurden die verschiedenen Prozessphasen oder Betriebszustände des Systems ermittelt (z.B. das Leeren und Füllen der Container). Dafür wurde eine Demonstrationsanlage erstellt, die im Kern aus zwei Containern besteht, zwischen denen Flüssigkeit in Zyklen mit verschiedenen Pumpenleistungen und Ventilöffnungen hin- und hergepumpt wird. Daraus resultierte eine selbstorganisierende Karte, mit der man in der Lage ist, dieses nichtlineare Verhalten abzubilden.

Basierend auf dieser gelernten selbstorganisierenden Karte wurde online das Prozessverhalten diagnostiziert. Eingriffe in das Prozessverhalten zeigen sich eindeutig im Verlauf des Quantisierungsfehlers der selbstorganisierenden Karte und lassen sich über eine Schwellwertentscheidung ermitteln. „Das Konzept wird aktuell auf großen Datensätzen, die sich für industrielle Destillationskolonnen ergeben, evaluiert. Erste Resultate zeigen, dass das Konzept erfolgreich auf Anwendungen aus der industriellen Praxis übertragen werden kann“, so Windmann.

Ausblick

Die Ergebnisse in Bezug auf die Destillationskolonne wurden mit historischen Daten aus der Produktion und einer Pilotanlage bei Bayer getestet. Aktuell arbeitet das Team an der Implementierung im laufenden Betrieb. Weiter soll die Übertragbarkeit auf andere Anwendungen und die Skalierbarkeit auf große Datenmengen noch verstärkt untersucht werden. Eventuell könnte es auch von Interesse sein, andere Datenquellen zu erschließen. So können Übergabedokumente von Schichten interessante Informationen über den Zustand der Anlage beinhalten.

Nicht nur für Destillationskolonnen könnte sich das Assistenzsystem als nützlich erweisen. Für Kraus sind die Erkenntnisse aus dem Projekt für alle chemischen Prozesse, die sich durch ein nichtlineares Verhalten auszeichnen, interessant. Hintergrund ist, dass eine physikalische Modellierung sehr aufwändig ist und einfache datengetriebene Modelle zu ungenau sind.

Anm. d. Red.: Das Projekt wird vom BMBF im Rahmen des Verbundprojektes AGATA gefördert und vom Projektträger im Deutschen Zentrum für Luft- und Raumfahrt betreut.

(ID:44245381)

Weiterführende Inhalte