Der Blog zum Innovationsmagazin
von Siemens Österreich

0%
hi!future
MindTwin als 3D-Asset-Portal informiert aktuell und übersichtlich über den Zustand von Anlagenkomponenten, eine zentrale Datenbank hält alle relevanten Daten vor und prädiktive Modelle erlauben die Vorhersage zukünftiger Ereignisse.

Die Zukunft präziser vorhersagen

4 Min. Lesezeit
hi!future
13. Dezember 2018
Die Predictive Maintenance sorgt in der (Prozess-)Industrie für weniger Ausfälle und mehr Effizienz.

Der Ausfall einzelner Komponenten, Maschinen und womöglich ganzer Anlagen gehört zu den größten Schreckenszenarien von Anlagenbetreibern – Stillstand kostet Geld! Also griff man bislang auf vorbeugende Instandhaltungsmaßnahmen zurück und nahm in Kauf, dass so manche turnusgemäße Wartungsmaßnahme eigentlich unnötig war: Durch individuelle Nutzung entsteht spezifischer Verschleiß, feste Wartungsintervalle berücksichtigen diesen Umstand aber nicht. Die Lösung dieses Problems bietet Predictive Maintenance, bei der durch intelligente Kombination von permanenter Bauteilüberwachung und Einsatz von Analyse-Algorithmen verlässliche Aussagen hinsichtlich drohender Ausfälle getroffen werden können. Bauteile werden aufgrund dieser Prognosen also gezielt getauscht – lange bevor sie Schaden anrichten. Für verlässliche Vorhersagen über den Zustand von Maschinen und Anlagen sind allerdings enorme Datenmengen notwendig. Mit fortschreitender Vernetzung von Maschinen entlang der gesamten Prozesskette nimmt die Generierung dieser Daten heute bereits stetig zu. Die Herausforderung der Zukunft liegt in der Zusammenführung, Strukturierung, Auswertung, Kontextualisierung und Visualisierung dieser Datenmengen. Hier ist das Zusammenwirken intelligenter Werkzeuge gefordert.

Der digitale Zwilling

Bevor Anwender sich allerdings mit datengestützter Predictive Maintenance befassen, müssen sie zunächst für Klarheit hinsichtlich Art, Umfang und Zusammenspiel sämtlicher Anlagenkomponenten sorgen. Doch in vielen Anlagen ist diese eigentlich selbstverständliche Arbeitsgrundlage entweder nicht vorhanden oder zumindest nicht durchgängig nutzbar: Informationen über Assets liegen zwar in einer Vielzahl von Softwaresystemen vor, aber eben nicht einheitlich und oft sogar widersprüchlich. Daraus lässt sich weder ein korrektes, noch umfassendes und schon gar kein aktuelles Bild der Anlage mit ihren Komponenten ableiten. Für einen digitalen Zwilling, also dem holistischen digitalen Abbild der realen Anlage, ist daher ein Asset Information Management System (AIMS) unverzichtbar. Eine moderne Softwarelösung wie Comos von Siemens begleitet Anlagen über deren gesamten Lebenszyklus hinweg und bietet mit einer zentralen Datenbank die optimale Grundlage für durchgängige und konsistente Datenhaltung von Asset-Informationen. Diese Stärke spielt Comos bei den Planungsanfängen im Engineering ebenso aus wie bei der Digitalisierung von Bestandsanlagen anhand von Laserscans oder Fotografien. Durch die Objektorientierung können unterschiedliche Disziplinen gewerkespezifische Daten aus dem Anlagenengineering, der Automatisierungs- oder der Rohrleitungsplanung zu den Anlagenkomponenten im digitalen Modell hinzufügen. Andererseits bekommen sie diese Informationen dann auch wieder anwendergerecht präsentiert. So entsteht in einem einzigen System eine „single source of truth“, die von allen Beteiligten genutzt wird und die die reale Anlage eindeutig, detailliert und aktuell abbildet.

Stationärer und mobiler Wartungsspezialist

Dieser zentrale Daten-Hub kann in der Betriebs- und Instandhaltungsphase weitergeführt und mit Betriebsdaten angereichert werden. Speziell im Hinblick auf Maintenance-Aufgaben bietet Comos nicht nur detaillierte Informationen zu allen Assets, mit Comos MRO (Maintenance, Repair & Overhaul) steht ein integriertes Instandhaltungs- und Wartungsmanagement zur Verfügung. Damit wird nicht nur die Planung, Organisation und Durchführung von Wartungseinsätzen effizienter, alle in der Anlage durchgeführten Änderungen werden zugleich dokumentiert und halten den digitalen Zwilling automatisch aktuell. Das wird durch Comos Mobile Operations in vollem Umfang mobil unterstützt. Instandhalter können mithilfe des mobilen digitalen Assistentens Wartungsaufträge softwaregeführt Schritt für Schritt erledigen und auch im Feld auf Asset-Informationen zurückgreifen.

Die Einbindung weiterer qualifizierter Daten

Schon heute produzieren Prozessleitsysteme, Asset Management Systeme, Process Historians, Laborinformationssysteme (LIMS), MES- und ERP-Systeme eine Vielzahl von Betriebs- und Geschäftsdaten. Big Data ist in aller Munde und Unternehmen stellen sich die Frage, wie solche Daten gewinnbringend genutzt werden können. Eine Antwort stellt die Plattform XHQ Operations Intelligence von Siemens dar. Zur Steigerung der Anlagen-Performance werden mit XHQ über sogenannte Konnektoren die operativen und betrieblichen Informationen in Echtzeit von angeschlossenen Backend-Systemen ausgelesen, aggregiert und in Kontext gesetzt. Diese Kontextualisierung ermöglicht es, gewerke- und systemübergreifende Leistungskennzahlen (Key Performance Indicators –KPI‘s) mit interaktiven Ansichten und Dashboards darzustellen. Zudem kann diese Information mit 3D-Informationen verknüpft werden, sodass der Operator, der Wartungs- oder Inspektionsplaner alle notwendigen Informationen in einer dreidimensionalen Ansicht abrufen kann. Die jeweiligen Sichten auf diese Informationen helfen den Anwendern auf den unterschiedlichen Unternehmensebenen, bessere Entscheidungen zu treffen.

Das Potenzial der Cloud nutzen

Den Schlussstein im Aufbau des 3D-Asset-Portals und von Predictive-Maintenance-Lösungen mit Siemens bildet die Nutzbarmachung der Möglichkeiten des Industrial Internet of Things (IIot). Schon heute werden Maschinen mit immer mehr Sensoren ausgestattet und sie kommunizieren sowohl mit einer Basis als auch untereinander und tauschen sich mit weiteren Komponenten aus. Die zu erwartenden Datenmengen sind weitaus größer als alles bislang Genannte. Industrial Big Data bietet ein immenses Potenzial zur Optimierung von Produktions- und Instandhaltungsprozessen. Dazu müssen Datenströme von Sensoren und Maschinen über gesicherte Verbindungen an Großrechner übermittelt werden, die über genügend Kapazitäten zur Echtzeitanalyse dieser Datenfluten besitzen. Durch den zentralen Aufbau von Cloud-Computing und das Reduzieren von Datensilos besteht die Möglichkeit, anhand von Zeitreihendaten, Analyse-Algorithmen, Statistiken und Maschine-Learning-Techniken prädiktive Modelle für die Vorhersage zukünftiger Ereignisse zu erstellen. Siemens bietet mit Mindsphere eine Cloud-Plattform, die als offenes IoT-Betriebssystem entsprechende Schnittstellen und Services bietet. So steht mit den Mindsphere Analytical Services bereits ein spezieller Dienst für Predictive Maintenance zur Verfügung. Mit ihm werden Daten entweder direkt von IoT-fähigen Komponenten oder per Edge Computing von herkömmlichen Sensoren und Maschinen über sichere Schnittstellen übermittelt. In der Cloud finden dann mithilfe von Algorithmen entsprechende Analysen in Echtzeit statt. Die Ergebnisse visualisiert anschließend wieder XHQ über Dashboards, Trends, KPIs etc.

Siemens fasst die Stärken aller vorgestellten Systeme in seinem 3D-Asset-Portal MindTwin zusammen. Durch das nahtlose Zusammenwirken erhalten Anwender nicht nur das Rüstzeug für den Aufbau des digitalen Zwillings ihrer Anlagen, sondern darüber hinaus auch ein leistungsstarkes sowie anpassbares Instrument für vorausschauende Wartung. Servicepersonal kann dadurch rechtzeitig reagieren und kostenintensive Maschinen- bzw. Anlagenausfälle proaktiv verhindern. Ungeplante Anlagenstillstände reduzieren sich drastisch und geplante Shutdowns können effektiver genutzt werden. Mit den Analyse-Möglichkeiten von Mindsphere können überdies die Effizienz von Produktionsprozessen beurteilt und Performancesteigerungen erzielt werden.