Prozessautomatisierung: Auf dem Weg in die Cloud

Unterschiedliche „Cloud-Lösungen“ werden in verschiedenen Branchen immer mehr zum Alltag. Auch in der Prozessautomatisierung sind sie inzwischen angekommen. Während der EMO 2017 konnten sich interessierte Besucher über die „smarte“ Zukunft der Produktionsproesse informieren.

Eine „smarte Systemoptimierung, die Fehler in verketteten Produktionsprozessen erkennt und ihre Ursachen sowie die Fortpflanzung automatisiert aufzeigt“, präsentierte das Stuttgarter Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) auf der EMO Hannover 2017. Dahinter verbirgt sich die technisch detaillierte und zugleich automatisierte Auswertung von Stillstandsursachen und Fehlerzusammenhängen in einer Produktionslinie. Sobald die Produktion läuft, werden aus allen Prozessschritten zeitsynchron Daten an ein Analysetool übermittelt. Über einen am Fraunhofer IPA entwickelten Algorithmen lassen sich Rückschlüsse ziehen und die Informationen in gewünschter Form aufbereiten.

Als Datenbasis dienen dabei Zustands- und Prozessinformationen aus allen technischen Teilschritten der gesamten Prozesskette. Hieraus kann das Analysewerkzeug kontinuierlich und echtzeitnah herausarbeiten, wo Fehler oder Stillstände auftreten oder ob diese erst durch das Zusammenspiel mehrerer abweichender Faktoren in verschiedenen Prozessschritten entstehen. Der Anwender sieht dann beispielsweise, welcher Prozess einen anderen blockiert und erkennt, wo der Auslöser sitzt.

Analysewerkzeug arbeitet kontinuierlich und echtzeitnah

Datenquellen sind entweder zusätzlich installierte Sensoren, wie etwa smarte Kameras. Oder es kommt, falls keine Prozessinformationen vorliegen, der am IPA entwickelte Maschinendaten-Logger zum Einsatz. Dieser ist heute bereits in der Lage, Massendaten aus den Industriesteuerungen Siemens S7-1500, Beckhoff CX1020 und Mitsubishi Q Series an die Analysesoftware zu liefern.

Basis dieser datengetriebenen Produktionsoptimierung ist die permanente und extrem detaillierte Analyse des Anlagenverhaltens und aller beteiligten Einzelprozesse einer Produktionslinie. Dies kann nicht manuell, sondern aufgrund des extrem hohen Datenverarbeitungsvolumens nur automatisiert erfolgen. So werden die Fehlerursachen nicht mehr ausschließlich im dynamischen Linienverhalten gesucht, sondern auch etwa per Anomalie-Detektion in den Prozessdaten aller Einzelprozesse. Damit lassen sich Fehler noch präziser ermitteln und eliminieren. Mit konventionellen Ansätzen wäre ein Prozessoptimierer allein mit der Sichtung eines Datensatzes und dessen Analyse stunden- oder sogar tagelang beschäftigt und könnte doch immer nur einen Zeitausschnitt untersuchen – nämlich den, den der Datensatz repräsentiert. (ig)