Die reibungslose Kooperation zwischen den verschiedenen Fachabteilungen zu gewährleisten, ist in Technologie-intensiven Industrieunternehmen eine große Herausforderung. Um eine Brücke zwischen den einzelnen Bereichen zu schlagen, fordern die übergeordneten Entscheidungsträger häufig eine faktenbasierte Auswertung des Produktionsbetriebs. Mit steigendem Automatisierungsgrad wird es allerdings immer anspruchsvoller, den gemeinsamen Datenbestand bereichsspezifisch so aufzubereiten, dass trotz der verschiedenen Abteilungsperspektiven Details herausgearbeitet werden können und der Blick auf den Gesamtprozess erhalten bleibt.

Warum ist das so? Höher auflösende Signale, zusätzliche Messpunkte und drastisch gestiegene Sicherheitsanforderungen führen dazu, dass mit jeder neuen Steuerungsgeneration die Datenflut weiter ansteigt. Dies gilt in besonderem Maße bei der Erfassung und Speicherung prozessrelevanter Kenngrößen einer Industrie-Anlage. Je ausgereifter die Werkzeuge für Qualitätsmonitoring und Prozessanalyse werden, desto größeren Wert legen die Unternehmen auf lückenlose Datenerfassung im 24/7-Betrieb. Bei technischen Störungen erweist es sich als essenziell, hochauflösende Datensätze prozessrelevanter Größen verfügbar zu haben. Ergänzend kommt vielfach Videoüberwachung zum Einsatz, um Abläufe zu visualisieren und kritische Ereignisse zur späteren Analyse aufzeichnen zu können. Die visuelle ­Datenaufzeichnung erzeugt ebenfalls umfangreiche Daten, die zeitsynchron mit den Steuerungsdaten aufzuzeichnen sind, um die Videodaten mit den Messwerten in Beziehung setzen zu können. Bei der Vernetzung mehrerer Maschinensteuerungen spitzt sich die Lage zu: In aller Regel vervielfacht sich das Datenaufkommen der einzelnen Zellen durch die Interaktion mit anderen.

Zwar wird bei der Konzeption von Aktorik und Sensorik in aller Regel Wert auf eine umfassende Erfassung des Prozesses gelegt und üblicherweise findet bereits bei der Datenaufzeichnung eine Vorauswahl der zu speichernden Informationen statt. Weiterhin erleichtert es die rapide steigende Kapazität von Speichermedien, umfangreiche Informationen dauerhaft verfügbar zu halten. Trotzdem zwingt die enorme Datenmenge die Betreiber häufig zur selektiven Speicherung, um den aufgezeichneten Datenstrom auf ein vertretbares Maß zu reduzieren. Zum Beispiel reicht für die reaktive Suche nach Störungsursachen meist eine Zwischenspeicherung der Daten, die lediglich bei einer auftretenden Soll-Abweichung den Bereich vor und nach dem Zwischenfall verfügbar hält. Die unauffälligen Betriebsphasen werden turnusmäßig gelöscht. In den Bereichen der Prozessanalyse und des Qualitätsmanagements muss hingegen eine lückenlose Aufzeichnung erfolgen, die auch über einen längeren Zeitraum gespeichert wird. Zur einfacheren Analyse werden die Messdaten hier meist produkt- oder chargenbezogen aufgezeichnet.

Angesichts dieser Ausgangssituation wird schnell klar: Ohne analytische Hilfsmittel lassen sich hochvernetzte Gesamtanlagen kaum vollständig überwachen. Fehlen diese, werden beispielsweise Störungen vom Wartungspersonal häufig als sporadisch erachtet, obwohl sie in Wahrheit systematischer Natur sind. Dabei muss es nicht zwangsläufig bis zu einer Störung kommen: Nachlassende Qualität und Maßhaltigkeit sind bereits typische Frühindikatoren für eine unvollständige Systemdurchdringung der Betreiber, die letztlich eine schwindende Anlagenperformance als Resultat systematischer Ursachen wie Material-Ermüdung, Abrieb, Verschmutzung, Korrosion oder Alterung nach sich zieht.

Dezentrale Messdaten­erfassung schafft die Basis

Ein Erfolg versprechender Weg, diesen Schwierigkeiten zu begegnen, liegt in der multiplen Nutzung aufgezeichneter Messdaten. Dabei werden die Messdaten nach benutzer- und aufgabenspezifischen Gesichtspunkten aggregiert und ausgewertet. Die Basis hierfür ist zunächst ein dezentrales Messwert-Erfassungssystem, welches eine gemeinsame Datenbasis mit einem transparenten Rückbezug auf die Rohdaten zur Verfügung stellt.

Bild 1. Aufgaben- und anwenderspezifische Auswerteverfahren ermöglichen die multiple Nutzung des Datenbestands.

© iba

Auf dieser Grundlage lassen sich dann verschiedene Auswertungen durchführen und es wird möglich, von aggregierten statistischen Kennzahlen immer auf die Rohdaten und damit auf die Ursachen zu schließen. Mit anderen Worten: Sobald das datentechnische Design einer Anlage steht und der Modus der Datenspeicherung festgelegt wurde, verlagert sich das Augenmerk von der Datenerfassung und -speicherung auf die analytische Aufbereitung der aufgezeichneten Messdaten. Bei geschickter Auswahl von Toleranzbereichen und geeigneten Auswertungsalgorithmen entsteht schließlich ein Grad an Transparenz, der das Gesamtsystem übergreifend verstehbar und damit optimierbar macht.

Die Entwicklung von Qualitätsdaten, die auf der kontinuierlichen Auswertung der erhobenen Prozessdaten basiert, ist ihrem Wesen nach ein iterativer Prozess: Zur Erfassung der Produktqualität gilt es zunächst, so genannte ‚Key Performance Indicators‘ (KPI) zu identifizieren. Jeder dieser Größen wird ein Ziel- beziehungsweise Idealwert und ein Toleranzbereich zugewiesen. Die Erfahrungswerte der Produktionspraxis fließen dann im weiteren Verlauf in die Präzisierung der Idealwerte und Toleranzen ein. Während die Experten durch ihr theoretisches Wissen und die Produktionserfahrung die Struktur des Prozesses immer weiter aufschlüsseln, ermöglichen es geeignete Werkzeuge, die Auswertung des Datenmaterials zu automatisieren sowie die gewonnenen Erkenntnisse übersichtlich aufzubereiten und je nach Bedarf zu bündeln (Bild 1).