Intelligentes Datenmanagement

Die Erfassung und Verarbeitung von Daten, die in einer Bestandsanlage anfallen und den Aufbau sowie das Verhalten der Anlagen im aktuellen Produktionskontext beschreiben, stellen für manche Unternehmen ein Problem dar. Zum einen ist oftmals gar nicht bekannt, welche Daten (z. B. Betriebsdaten, Wartungsinformationen, Dokumentationen, Daten zum erstmaligen Anlagenengineering) wo, wann, wie und warum dokumentiert werden, und zum anderen gibt es eine große Menge an Wissen im Unternehmen, welches für eine automatisierte Steuerung und Überwachung notwendig wäre, aber bisher nicht erfasst wurde. Daher ist es wichtig, zunächst zu eruieren, welche Daten für den sicheren und ressourceneffizienten Anlagenbetrieb notwendig sind. Daraus lässt sich ableiten, welche Daten in elektronischer Form vorliegen müssen.

Anschließend sollte festgehalten werden, in welchem Format die Daten aktuell und zukünftig erfasst werden können. Hierfür sollte anlagenunabhängig ein Standard entwickelt werden, um eine möglichst konsistente Datengrundlage für die verwendeten Softwaresysteme zu schaffen. So muss auf einen Blick erkennbar sein, ob es sich bei den Daten um Projekt-, Steuerungs-, Planungs- oder Dokumentationsdaten handelt. Dabei kann sich an der ANSI/ISA-Norm 88 (ISA 88.00.02:2001-1) orientiert werden. Das Gleiche gilt für die Anlagen und Steuerungseinheiten. Diese Standardisierung ermöglicht nicht nur ein vereinfachtes Datenmanagement, sondern auch eine vereinfachte Steuerung und Überwachung der Anlagen, wodurch Fehlermöglichkeiten und somit Ressourcenverluste reduziert werden.

Die Vereinheitlichung der Datenerfassung erleichtert auch die Kommunikation zwischen den Abteilungen, hierdurch wird Missverständnissen vorgebeugt. Durch die Strukturierung wird zudem erreicht, dass die Daten von anderen Softwaresystemen ohne Datenverluste erfasst und verarbeitet werden können, was zu einer Konsistenz der Datenübertragung innerhalb der Softwarelandschaft beiträgt. Hierdurch können Fehler, die beispielsweise zu Fehlchargen führen, und viel Zeit gespart werden, da die Daten nur noch einmal erfasst und verarbeitet werden müssen. Wichtig ist allerdings, dass die Datenbank regelmäßig auf ihre Zweckmäßigkeit und Vollständigkeit überprüft wird, da ansonsten schnell zwei parallele Welten der Datenerfassung im Unternehmen entstehen können.


Literatur:

Beckers, M. und Kempf, J. (2020): Anlagenmodernisierung mit Mehrwert – aufs richtige Werkzeug kommt’s an [online]. PROCESS, 21.04.2020 [abgerufen am: 01.02.2021].

ISA 88.00.02:2001-1: International Society of Automation, Batch Control – Part 2: Data Structures and Guidelines for Languages.

mehr anzeigen weniger anzeigen

Einschätzung für die Anwendenden

  • Materialeinsparung
    hoch
  • Energieeinsparung
    hoch
  • THG-Einsparung
    hoch
  • Investitionskosten
    gering
  • Umsetzungsaufwand
    gering

Die Angaben zu Material-, Energie- und THG-Einsparungen, Investitionskosten sowie Umsetzungsaufwände sind qualitative Abschätzungen auf vergleichender Basis.

Entwicklungsstadium

  • Labor
  • Technikum / Demonstrator
  • Industrielle Praxis

Labor: Die betrachtete Technologie oder Methodik wird im Labormaßstab entwickelt.
Technikum / Demonstrator: Die betrachtete Technologie oder Methodik wird in einer Technikums- oder Demonstrator-Anlage umgesetzt.
Industrielle Praxis: Die betrachtete Technologie oder Methodik wird in der Produktion oder anderen Anwendungsbereichen eines Industrieunternehmen eingesetzt.

Beispiele aus der Forschung und Entwicklung

Verbesserte Energieeffizienz und Prozessbeschleunigung durch Datenintegration. Von der Prozessentwicklung bis zur Produktion (ENPRO Datenintegration)

  • Ermöglichen einer durchgängigen Vernetzung und umfassender Planungsinformationen in allen Lebensphasen einer Anlage
  • Entwicklung einer Systematik für die Modellierung von Anlagen
  • Entwicklung und Anwendung der Systematik bei der Erstellung eines Prototyps für Apparate und Maschinen
  • Energieeinsparung einzelner Module und ganzer Modulzusammenschlüsse

Zur kompletten Projektbeschreibung

Skalierbares Integrationskonzept zur Datenaggregation, -analyse, -aufbereitung großer Datenmengen in der Prozessindustrie

  • Entwicklung und Test von Big-Data-Technologien, um übergreifende Analysen von aggregierten Daten zu vereinfachen
  • Entwicklung von Daten-Integrationsarchitekturen für die Datenaggregation und Unterstützung zu Entscheidungen im Betrieb
  • Ermöglichung der Analyse der Geräte in Produktionsanlagen durch Hersteller mit Hilfe interaktiver Analysen und Zugriff auf die Integrationsarchitektur
  • Sicherstellung eines störungsfreien Betriebs der Anlagenbetreiber durch präventive Fehleranalysen, durchgeführt durch die Gerätehersteller

Zur kompletten Projektbeschreibung