Virtuelle Messdaten jederzeit zur Verfügung

Echtzeit-Monitoring mit Machine Learning

Anzeige
Zahlreiche Prozesse in der Chemietechnik haben die Eigenschaft, dass bestimmte Parameter prozessentscheidend sind, sie aber nur alle paar Stunden erfasst werden können. Hier setzt Bilfinger mit Virtual Sensor an. Bei dem Verfahren ermöglichen umfangreiche Datenbestände in Kombination mit einem Machine-Learning-Ansatz, dass Anlagenbetreiber kontinuierlich über zuverlässige virtuelle Messdaten verfügen.

Das Funktionsprinzip beruht – vereinfacht dargestellt – auf der Extrapolation bereits real erfasster Messdaten: Auf Grundlage eines statistischen Modells wird errechnet, wie sich ein Prozess zwischen den einzelnen Stützpunkten höchstwahrscheinlich verhält. Der Anlagenbetreiber verfügt also permanent über virtuelle Sensordaten, welche die nur alle paar Stunden erhobenen realen Messdaten ergänzen. Je nach Richtung, in die sich der Prozess entwickelt, kann der Maschinenbediener auf Basis der Daten aus dem Virtual Sensor bei Bedarf in Echtzeit eingreifen.

Perfektes Zusammenspiel

Auf Grundlage eines ausgeprägten Anwenderbezugs liefert der Virtual Sensor branchenübergreifend einen wertvollen Beitrag in allen Bereichen einer Anlage, in denen Prozessdaten nicht durchgehend direkt erhoben werden können. Zudem ist die Lösung kosteneffizienter als verfügbare Hardwarelösungen, die leicht das Fünf- bis Zehnfache kosten können.

Die Funktionsbasis des Virtual Sensors bildet das Zusammenspiel zwischen der eingesetzten Softwareplattform BCAP (Bilfinger Connected Asset Performance) und einem fortschrittlichen Konzept des Maschinellen Lernens. Via BCAP greift der Anwender auf die Daten des Virtual Sensors zu. Eine zentrale Rolle kommt der Umwandlung von Daten in ein Modell zu: Die Eingangsdaten werden analysiert und anschließend bereinigt, um im Modell verarbeitet werden zu können. Gemeinsam entwickeln Data Scientists von Bilfinger Digital Next und Prozessexperten des Anwenders ein Modell, das die Eingangsparameter an die Zielgröße anpasst – eine Kette überaus arbeitsintensiver Teilprozesse, die hohe Expertise erfordern. Die Umsetzung dieser anwenderspezifischen Anforderungen erfolgt mit weit verbreiteten Programmiersprachen. Durch die Nutzung von BCAP als skalierbarem Unterbau ist eine zügige Implementierung in die Kundenprozesse gewährleistet.

Praxiserprobtes Konzept

Der Virtual Sensor auf Basis von BCAP wurde bereits bei mehreren Prozessen erfolgreich angewendet. So wird etwa zur Gewinnung hochwertiger Oxidkeramiken das Ausgangsmaterial während der Herstellung mithilfe von Wasser von Nebenprodukten gereinigt. Zugleich reduziert eine Bandfilteranlage die Restfeuchte der Suspension aus Oxidkeramik und Wasser. Im weiteren Verlauf ist es bislang üblich, alle drei Stunden die Restfeuchte sowie die Konzentration der Nebenkomponenten zu messen. Das gewünschte Ergebnis ist Oxidkeramik mit einem möglichst geringen Anteil an Wasser und Nebenkomponenten. Eine zu hohe Feuchtigkeit würde im nachgelagerten Ofen unter anderem den Energiebedarf signifikant erhöhen. Außerdem führt eine hohe Konzentration an Nebenkomponenten zu einem verminderten Verkaufspreis. Hier entfaltet der Virtual Sensor seinen Nutzen.

Denn in den dreistündigen Zeiträumen zwischen den Probenentnahmen bleibt der aktuelle Status des Prozesses ohne den Virtual Sensor weitgehend intransparent. Erhöhte Prozessinstabilität in nachfolgenden Schritten und Produkte von niedriger Qualität können die Folge sein. Durch Protokollierung aller Messergebnisse ist indessen über die Zeit eine wertvolle Datenbasis entstanden, die wichtige Details des Prozessablaufs bündelt, darunter grundsätzliche Prozessgrößen wie Druck und Temperatur. Durch die Kombination aus Methoden des maschinellen Lernens und dem profunden Prozessverständnis aus der Anlagenpraxis ist es Bilfinger gelungen, den Zusammenhang zwischen den Prozessdaten und den Messdaten zu Feuchte und Nebenkomponenten gezielt zu analysieren.

Individuelle Modelle

Die unterschiedlichen Machine-Learning-Ansätze, die beim Virtual Sensor zum Einsatz kommen, weisen eine komplexe Charakteristik auf. Schließlich sorgen Nichtlinearitäten und Interdependenzen zwischen Messwerten dafür, dass die Modellkonstruktion extrem komplex wird. Hier macht sich die Daten-Expertise von Bilfinger bezahlt: Die benötigten Machine-Learning-Ansätze werden jeweils neu und passgenau für jeden Anwender modelliert. Zu den dafür eingesetzten Methoden gehören unter anderem Decision Trees, Dimensionalitätsreduktion sowie weitere Modellierung mit komplexen Algorithmen wie Neuronalen Netzwerken.

Der Hintergrund: Jedes Modell muss genau genug, aber auch interpretierbar genug sein, damit die Mitarbeiter des Kundenunternehmens sehen und verstehen können, was das Modell abbildet. Der Ansatz von Bilfinger basiert auf einem „White Box“-Modell, das die Ergebnisse der Datenanalyse mit dem Virtual Sensor verständlich und transparent darstellt und somit nachvollziehbar macht.

Kosteneffizientes Verfahren

Die Lösung eignet sich für viele Einsatzgebiete und hat ein entsprechend hohes Marktpotenzial vor allem dort, wo eine kontinuierliche echte Messung zu aufwendig wäre. Zu den potenziellen Anwendungsfällen zählen etwa die Bereiche Produktqualität und Maintenance. Beispiel Hochtemperaturprozesse: Mittels Laserscanning wird die Dicke der Steine in Hochtemperaturöfen gemessen, um zu ermitteln, ob diese Steine ausgewechselt werden müssen. Hier lässt sich künftig aus dem Datenbestand ein Virtual Sensor erstellen. Dabei profitiert der Anwender von der kosteneffizienten Zusammenschaltung vieler einzelner Datenquellen im Rahmen von BCAP, ohne die Daten selbst aufwendig interpretieren zu müssen. Durch das rechtzeitige und vorausschauende Auswechseln einzelner Steine in den Öfen wird ein wirtschaftlicher, störungsfreier Betrieb ebenso sichergestellt wie eine gleichbleibend hohe Produktqualität. Denn die Produktqualität ist ein kritischer Faktor für die Gesamtanlageneffektivität. Insofern wirken sich kurzfristige Verbesserungen durch ein sofort nutzbares Konzept mit geringem Investment, wie im Fall vom Virtual Sensor, schnell positiv auf das Kerngeschäft des Anwenders aus. Darüber hinaus lassen sich mit dem Virtual Sensor nicht nur Kosten einsparen, sondern er kann auch dort zum Einsatz kommen, wo es heute noch keinen Hardware-Sensor gibt oder dieser technisch auch nicht möglich wäre. Aufgrund ihrer vielseitigen Anwendbarkeit zeichnet sich die Lösung zudem durch ein hohes Zukunftspotenzial sowohl in der Chemiebranche als auch in anderen Industriezweigen aus.

www.prozesstechnik-online.de

Suchwort: cav1019bilfinger


Autoren: Martin Bergmann Benny Popp

Innovation & Product
Management,

Bilfinger Digital Next

Lead Data Analytics,

Bilfinger Digital Next

Anzeige

Powtech Guide 2019

Alle Infos zur Powtech 2019

Newsletter

Jetzt unseren Newsletter abonnieren

cav-Produktreport

Für Sie zusammengestellt

Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Hier finden Sie aktuelle Whitepaper

Top-Thema: Instandhaltung 4.0

Lösungen für Chemie, Pharma und Food

Pharma-Lexikon

Online Lexikon für Pharma-Technologie

Prozesstechnik-Videos

Hier finden Sie alle aktuellen Videos

phpro-Expertenmeinung

Pharma-Experten geben Auskunft

Prozesstechnik-Kalender

Alle Termine auf einen Blick

Anzeige
Anzeige

Industrie.de Infoservice

Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de