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

Das Projekt

Gerade im Industrie- und Hochtechnologiestandort Deutschland spielt die Prozessindustrie eine erhebliche Rolle. Für die Produktion von Pharmaka und Spezialchemie entwirft, betreibt und wartet die Prozessindustrie weltweit hochautomatisierte Anlagen, mit einer Lebensdauer von mehr als 20 Jahren. Eingebaute Feldgeräte werden zur Steuerung der Prozesse, an die hohe Sicherheits- und Qualitätsanforderungen gestellt werden, verwendet. Die Geräte, verschiedener Anbieter, erzeugen in einer heterogenen IT-Landschaft eine Flut von Daten, bspw. Nutzungs-, Wartungs- und Qualitätsdaten. Bisher werden diese Daten von den Unternehmen häufig in unterschiedlichen IT-System gesammelt und nur als lokales Ereignis (in einer Anlage) betrachtet. Aggregierte Daten aus mehreren Anlagen werden von den Unternehmen selten oder gar nicht weiterverwendet. Der Gerätehersteller sammelt unabhängig davon eigene Daten. Das Potential einer übergreifenden Analyse möglichst aller Daten, wird nur selten oder gar nicht genutzt. Ziel von SIDAP ist die Entwicklung und Erprobung von Big-Data Technologien für diese innovativen und wettbewerbsrelevanten Nutzungsszenarien. Es werden unternehmensübergreifende, sichere und skalierbare Daten-Integrationsarchitekturen zur Datenaggregation und zur Unterstützung der Entscheidungsfindung im Betrieb entworfen. Dies erfolgt in enger Zusammenarbeit zwischen führenden Akteuren der Prozessindustrie, IT- und MES-Anbietern und Forschern im Bereich integrierter Informationssysteme für die Automatisierungstechnik und für betriebliche Anwendungen. SIDAP entwickelt hierzu eine datengetriebene sowie serviceorientierte Integrationsarchitektur, die bereits vorhandene Strukturinformationen und Datenströme in Engineering- und Prozessleitsystemen unter Berücksichtigung ihrer unterschiedlichen Semantik in abstrahierter, integrierter und zugriffsgeschützter Form für interaktive Analysen durch berechtigte Nutzer zugänglich macht. So können Gerätehersteller anhand von Nutzungsdaten ihrer Geräte in den Produktionsanlagen und der Wartung Gerätestörungen analysieren, präventiv Fehler identifizieren und rechtzeitig eingreifen, um Anlagenbetreiber in Zukunft optimal zu unterstützen. Für den Anlagenbetreiber wird eine optimale Nutzung der Geräte und damit einhergehend ein möglichst störungsfreier Betrieb sichergestellt.

Projektlaufzeit: März 2015 - August 2018

Partner

Das Projektkonsortium besteht aus international führenden Unternehmen der deutschen Prozessindustrie, Unternehmen der Informationstechnik, Sensor- und Aktortechnik sowie einem Forschungsinstitut. Unterstützt wird das Projekt desweiteren von großen Industrieverbänden. Innerhalb des Konsortiums wird unterschieden zwischen geförderten und assoziierten Partnern. Weitere Partner können in Form von Kooperationen mit dem Projekt zusammenarbeiten.

Geförderte Partner

Geförderte Partner erhalten Fördergelder vom Projektträger, typischerweise etwa 35% der Fördersumme. Im Gegenzug sind die Beteiligten dazu verpflichtet sich aktiv in das Projekt einzubringen und vereinbarte Leistungen zeitgerecht und eigenverantwortlich zu liefern.

Bayer AG

Die Bayer AG ist ein weltweit tätiges Unternehmen mit Kernkompetenzen auf den Gebieten Gesundheit, Agrarwirtschaft und hochwertigen Materialien. Die Bayer AG ist ein führendes Technologieunternehmen und arbeitet an ganzheitlichen Technologien und Lösungen entlang des gesamten Lebenszyklus von Produkten, Prozessen und Anlagen der chemisch-pharmazeutischen Industrie. Die Arbeit des Konzerns umfasst die Entwicklung von Technologieplattformen sowie Innovationen, den bestmöglichen und kostengünstigsten Anlagenbau und die Unterstützung für einen sicheren und effizienten Anlagenbetrieb mit Serviceleistungen, Know-how und maßgeschneiderten Werkzeugen.

IBM Deutschland GmbH

IBM gehört zu den weltweit größten Anbietern im Bereich Informationstechnologie (Hardware, Software und Services) und B2B-Lösungen. Das Lösungsportfolio der IBM reicht vom Supercomputer über Software und Dienstleistungen, inklusive Beratungsleistungen, bis zur Finanzierung. Mit der Entwicklung der unternehmensorientierten Big-Data-Plattform kann das gesamte Spektrum der geschäftlichen Herausforderungen im Bereich Big Data in Angriff genommen werden. Die Plattform vereint konventionelle Technologien, die sich gut für strukturierte Routineaufgaben mit neuen Technologien eignen, die auf hohe Geschwindigkeit und Flexibilität ausgerichtet sind und sich für die Ad-hoc-Datenuntersuchung, -erkennung und die unstrukturierte Analyse anbieten. IBM arbeitet im Rahmen von Industrie 4.0 an der Integrationsplattform für Engineeringwerkzeuge und stellt diese SIDAP zur Verfügung.

AIS, TU München

Der Lehrstuhl für Automatisierung und Informationstechnik beschäftigt sich unter der Leitung von Frau Professor Vogel-Heuser seit über zehn Jahren mit dem gesamten Engineering Lebenszyklus im Maschinen- und Anlagenbau und der Prozessindustrie. AIS beschäftigt sich mit der Anforderungsermittlung, dem Design, der Implementierung, dem Test, dem Betrieb, der Wartung und dem Reengineering heterogener Automatisierungssysteme für hybride Prozesse unter besonderer Berücksichtigung des Geschäftsprozesses, der Mitarbeiterqualifikation und dem Qualitätsmanagement. Verfügbare Technologien und Ansätze sind Meldungsanalyse mittels Automaten und deren Visualisierung, Integrationsplattformen (IMIP) zwischen verschiedenen Engineeringwerkzeugen sowie modellbasiertes Engineering mit Integration in bestehende Engineeringwerkzeuge.

Evonik Industries AG

Evonik ist eines der weltweit führenden Unternehmen der Spezialchemie. Dabei konzentriert sich Evonik auf wachstumsstarke Megatrends – vor allem Gesundheit, Ernährung, Ressourceneffizienz und Globalisierung. Mit den Site-Services-Aktivitäten bietet Evonik außerdem ein Angebot in den Bereichen Technik, Logistik, Ver- und Entsorgung sowie Standortmanagement und ist ein führender Anbieter von Dienstleistungen für die Prozessindustrie. Mit dem Serviceangebot unterstützt das Geschäftsgebiet Technik die Produktionsprozesse seiner Kunden durch die Sicherstellung der Verfügbarkeit von Produktionsanlagen, Entwicklung von Instandhaltungsstrategien, Wartung, etc.

GEFASOFT AG

Die GEFASOFT AG bietet mit Legato ein flexibles und skalierbares MES (Manufacturing Execution System), das vom Monitoringsystem in der hochautomatisierten Fertigung bis zum kompletten MES variabel eingesetzt werden kann. Die bestehenden Produkte der GEFASOFT AG sind branchenneutral konzipiert und einsetzbar. Durch Aktivitäten von System- und Vertriebspartnern sind die Produkte und Dienstleistungen heute in verschiedensten Branchen zuhause. Der Fokus ist auf die Bereiche Automotive, Pharma, Food&Beverage, Energy Technology und Building Management gerichtet.

Assoziierte Partner

Assoziierte Partner erhalten keine Fördergelder vom Projektträger, sind im Gegenzug aber auch nicht verpflichtet festgelegte Leistungen zu erbringen. Assoziierte Partner stellen ihre Expertise und ihr Wissen den anderen Projektpartnern zur Verfügung.

Covestro AG

Mit einem Umsatz von 11,9 Milliarden Euro im Jahr 2016 gehört Covestro zu den weltweit größten Polymer-Unternehmen. Geschäftsschwerpunkte sind die Herstellung von Hightech-Polymerwerkstoffen und die Entwicklung innovativer Lösungen für Produkte, die in vielen Bereichen des täglichen Lebens Verwendung finden. Die wichtigsten Abnehmerbranchen sind die Automobilindustrie, die Bauwirtschaft, die Holzverarbeitungs- und Möbelindustrie sowie der Elektro-und Elektroniksektor. Hinzu kommen Bereiche wie Sport und Freizeit, Kosmetik, Gesundheit sowie die Chemieindustrie selbst. Covestro, vormals Bayer MaterialScience, produziert an 30 Standorten weltweit und beschäftigt per Ende 2016 rund 15.600 Mitarbeiter (umgerechnet auf Vollzeitstellen).

KROHNE Messtechnik

KROHNE Messtechnik ist einer der weltweit führenden Hersteller und Anbieter im Bereich der industriellen Prozessinstrumentierung. Das Produktportfolio von KROHNE erstreckt sich vom breiten Spektrum der Durchflussmesstechnik über die Füllstands-, Temperatur- und Druckmesstechnik bis hin zu Sensoren für die Prozessanalytik. KROHNE verfolgt im Projekt das Ziel bei der Entwicklung passgenauer, innovativer Auswertungsalgorithmen für Sensoren mitzuwirken und die Praxistauglichkeit und Anwendbarkeit der Ansätze zu evaluieren. Hierdurch soll das Engineering von Sensoren und Anlagen verbessert werden.

NAMUR

Die NAMUR vertritt die Interessen der Prozessindustrie auf dem Gebiet der Automatisierungstechnik und unterstützt den Erfahrungsaustauch der über 130 Mitgliedsfirmen untereinander. Innerhalb von ca. 40 Arbeitskreisen, auf den Gebieten Messen, Steuern, Regeln, Automatisierung, Kommunikation, Prozessführung und Elektrotechnik begleitet sie den gesamten Lebenszyklus prozesstechnischen Anlagen in den Bereichen Planung, Beschaffung, Montage, Betrieb und Instandhaltung bis hin zur Stilllegung. Die wichtigsten Ergebnisse aus den Arbeitskreisen, werden als Empfehlungen und Arbeitsblätter publiziert und bilden die Grundlage für Standards in der Prozessindustrie. Ziele der NAMUR sind unter anderem die Definition von Anforderungen, wie z.B. das Festsetzen von Mindestanforderungen von Geräten, die Ganzheitliche Betrachtung von verfahrenstechnischen Prozessen unter Berücksichtigung der Lebensdauerkosten von Geräten und Systemen oder die Identifikation von Entwicklungsbedarf aus künftigen Anforderungen an die Automatisierungstechnik.

SAMSON AG

SAMSON stellt für verschiedenste Märkte qualitativ hochwertige Stellgeräte für unterschiedlichste Einsatzbedingungen her. Als Main Valve Vendor liefert SAMSON für die chemische Verfahrenstechnik leichte und schwere Ventilbaureihen mit modularem Aufbau in allen gängigen und speziellen Werkstoffen nach DIN, ANSI und JIS bis hin zu Hochdruckventilen nach IG-Norm. Die Auswahl der Geräte erfolgt dabei durch SAMSON, basierend auf den Daten des (zukünftigen) Anlagenbetreibers. Durch den Einsatz von Smart-Data-Technologien erhofft sich SAMSON eine Verbesserung der Engineeringunterstützung durch die Möglichkeit die Umwelteinflüsse auf ein Produkt besser abschätzen zu können. Die gewonnenen Daten und Informationen sind die Basis für die Entwicklung exakter Vorausberechnungsmethoden und für die Verbesserung bestehender Standards. Als Main Valve Vendor kennt SAMSON die Anforderungen an zukünftige Smart-Data-Frameworks und Auswertungsalgorithmen, sowie die technischen Details der Feldgeräte und bringt dieses Wissen in das Projekt ein. Ebenso arbeitet SAMSON an der Beurteilung der entwickelten Ansätze mit.

SICK AG

SICK ist einer der weltweit führenden Hersteller von Sensoren und Sensorlösungen für industrielle Anwendungen. SICK zählt zu den Technologie- und Marktführern und ist mit mehr als 50 Tochtergesellschaften und Beteiligungen sowie zahlreichen Vertretungen rund um den Globus präsent. Um weiterhin sowohl Technologie- als auch Marktführer zu sein, erweitert SICK das Engagement im Bereich Forschung und Entwicklung kontinuierlich. Im Vordergrund der Bemühungen steht die Entwicklung von intelligenten Lösungen für die Anwendungen der Kunden. Um dies umsetzen zu können, forscht SICK ständig weiter nach Technologien, die es ermöglichen, dass Sensoren nicht nur Dinge wahrnehmen, sondern auch Prozesse intelligent steuern und in komplexen Netzwerken mit anderen Komponenten kommunizieren können.

ZVEI

Der ZVEI setzt sich für die gemeinsamen Interessen der deutschen Elektroindustrie auf internationaler Ebene ein. Die mehr als 1.600 Mitgliedsunternehmen setzen sich zum einen aus Großunternehmen, aber auch aus mittelständischen und Familienunternehmen zusammen. Auch der ZVEI bietet seinen Mitgliedern die Möglichkeit eines breiten branchenspezifischen Erfahrungsaustauschs. Der Verband unterstützt die Wettbewerbsfähigkeit der Mitglieder durch die Beobachtung und Beeinflussung von Gesetzesvorhaben und von nationalen und internationalen Normungsarbeiten. Unterschiedliche Fachabteilungen z.B. bezüglich Geräte für die Prozessleittechnik oder Arbeitskreise für Feldgeräte und Interfacetechnik nehmen dabei aktiv Einfluss auf die Neuentwicklungen von Geräten.

Kooperationspartner

Kooperationspartner unsterstützen das Projekt und die Projektpartner mit ihrer Expertise ohne Teil des Förderprojekts zu sein.

Interessengemeinschaft Regelwerke Technik (IGR) e.V.

Die IGR ist ein Zusammenschluss von Gesellschaften der chemischen und pharmazeutischen Industrie zur kompetenten und wirtschaftlichen Verfolgung von Regelwerken. Ziel ist die Formulierung und Vertretung der Anwenderinteressen sowie der Austausch von Informationen und Erfahrungen im Hinblick auf den gesamten Lebenszyklus von Anlagen.

Teilprojekte

SIDAP-SAMdaP Smart Asset Management – Verbesserung des Total Cost of Ownership durch datenintensive strategische Partnerschaften

Im Projekt SIDAP sollen durch die Analyse großer Mengen unternehmensübergreifender Prozess (Anlagen)-, Geräte, und Instandhaltungsdaten die Ursachen für Geräteausfälle erkannt und konkrete Maßnahmen zur Verbesserung der Anlagenverfügbarkeit und Anlagenentwicklung entwickelt werden. Bayer erhebt und sammelt bereits eine große Menge an Informationen aus den Fertigungsstandorten. In Einzelfällen existieren bereits modellbasierte Ansätze zu Bewertung des jeweiligen Fertigungsprozesses. Aber es gibt noch kein Flächendeckendes Vorgehen, das mit vertretbarem Aufwand auf alle Bayer Assets angewendet werden kann. Für die Entwicklung von „smarten” Algorithmen stellt die Bayer AG eine Anbindung an die Private-Cloud Lösung des Projektkonsortiums sowie die benötigten Daten zur Verfügung.

Bearbeiter: Bayer AG

SIDAP-TOP Total-Cost-Ownership 4 Smart Plant

IBM unterstützt innerhalb des Projekts „Skalierbares Integrationskonzept zur Datenaggregation, –analyse und -aufbereitung von großen Datenmengen in der Prozessindustrie” die Aufgaben der Datenintegration, Datenaggregation und Datenanalyse, Erstellung von spezifischen Modellen durch Nutzung bestehender umfangreicher Data-Mining-Tools aus der IBM SPSS Familie, wie zum Beispiel SPSS Modeler. Des Weiteren stellt IBM Wissen über die Vernetzung und den Aufbau von umfangreichen IT-Systemen zur Verfügung, um neue Ansätze der Informationsgenerierung in der Prozessindustrie zu etablieren und somit die Produktivität am Standort Deutschland zu steigern.

Bearbeiter: IBM Deutschland GmbH

SIDAP SDM4OEE Smart Data Mining zur Steigerung der Overall Equipment Effectiveness

Im Projekt SIDAP sollen durch die Analyse großer Mengen unternehmensübergreifender Prozess- (Anlagen)-, Geräte- und Instandhaltungsdaten die Ursachen für Geräteausfälle erkannt und konkrete Maßnahmen zur Verbesserung der Anlagenverfügbarkeit und Anlagenentwicklung entwickelt werden. Hierfür werden von Anlagenbetreibern und Instandhaltungsunternehmen Daten über ausgewählte Armaturen gesammelt und ausgewertet. Mittels Datenanalyse sollen bisher unbekannte Zusammenhänge identifiziert werden, die nur aufgrund großer Datenmengen gefunden werden können. Die Schwerpunkte des Lehrstuhls AIS der TU München liegen in der Entwicklung neuer Integrations-, Analyse- und Visualisierungskonzepte sowie deren Umsetzung in eine lauffähige prototypische Plattform. Dazu werden bestehende Algorithmen, Methoden, Modelle und Vernetzungsstrategien von IT-Architekturen weiterentwickelt sowie neue Ansätze konsequent neu entwickelt und erprobt.

Bearbeiter: AIS, TU München

SIDAPDAMAT+ Datenbasiertes Asset Management und Anlagenautomatisierung

Ziel des Projektes ist die logische Kopplung unterschiedlichster IT-Systeme und die Integration von großen Datenmengen in der Prozessindustrie. Durch Analyse unternehmensübergreifender Prozess (Anlagen)-, Geräte, und Instandhaltungsdaten sollen die Ursachen für Geräteausfälle erkannt und konkrete Maßnahmen zur Verbesserung der Anlagenverfügbarkeit entwickelt werden. Hierfür werden von Anlagenbetreibern und Instandhaltungsunternehmen (Evonik Industries AG, Bayer AG) Daten über ausgewählte Armaturen sowie der Einsatzparameter (Prozessgrößen) gesammelt und ausgewertet. Mittels Datenanalyse sollen bisher unbekannte Zusammenhänge identifiziert werden, die nur aufgrund großer Datenmengen gefunden werden können. Ziel ist die Erhöhung der Overall Equipment Effectiveness durch Reduzierung der Geräteund Equipmentausfälle zur Verbesserung der Produktqualität, Erhöhung der Anlagenleistung und Steigerung der Anlagenverfügbarkeit. Die höhere Anlagenverfügbarkeit ist die Basis für eine weitergehende Automatisierung der Anlage und den Remote-Betrieb (Fernüberwachung) von Anlagen. Hierzu sollen die Prozessdaten, Equipmentdaten und weitergehende Sensordaten (Bildverarbeitung, Infrarot) ausgewertet und entsprechende überwachungsstrategien für die Fernüberwachung von Chemieanlagen entwickelt werden.

Bearbeiter: EVONIK Industries AG

SIDAP - sMES smartMES@KMU

Die Fertigungstechnik ist gegenüber der Verfahrenstechnik in Deutschland von einer großen Heterogenität der Unternehmen geprägt. Neben den großen Automobilherstellern und Automobilzulieferern existiert eine sehr hohe Anzahl an kleinen und mittelständischen Unternehmen, welche einen sehr großen Anteil zu der Wirtschaftsleistung in Deutschland beitragen. Die Produktion dieser kleinen und mittelständischen Unternehmen in der Fertigungstechnik zeichnet sich einerseits durch Anteile an vollautomatisierter Fertigung aber andererseits ebenfalls durch einen hohen Anteil an teilautomatisierter Fertigung oder Werkstattfertigung mit hohem Personaleinsatz aus. So liegt der Bereich von Food & Beverage genau in der Mitte zwischen der Verfahrenstechnik und der Fertigungstechnik. GEFASOFT ist innerhalb des Projekts SIDAP für den Transfer der erarbeiteten Ansätze in die Fertigungstechnik sowie die Aufarbeitung der Lösungen für kleine und mittelständische Unternehmen zuständig. Der Fokus des Gesamtprojekts liegt schwerpunktmäßig auf der Verfahrenstechnik und es soll ein umfassender Ansatz gefunden werden. GEFASOFT hat zum Ziel die Ansätze skalierbar und damit auch für kleinere Unternehmen wirtschaftlich einsetzbar zu halten.

Bearbeiter: GEFASOFT AG

Weiterführende Informationen

Smart Data

"Smart Data - Deutschland und Europa auf dem Weg zu einer digitalen Datenökonomie" - 22.4.2015 - BMWi

Neuigkeiten

SIDAP-Abschlussveranstaltung: Automation Symposium 2018 an der TUM 26.04.2018

Die Abschlussveranstaltung des Projekts SIDAP findet am 27.09.2018 im Rahmen des Automation Symposium 2018 an der Technischen Universität München in Garching bei München statt. Neben Ansätzen und Ergebnissen aus dem Projekt SIDAP wird die Veranstaltung durch weitere Vorträge aus Industrie und Forschung abgerundet. Im Fokus steht die Effektivitätssteigerung unter Verwendung von Smart Data Ansätzen.

Programmheft
Anmeldung
Emanuel Trunzer

SIDAP auf der ACHEMA 2018 in Frankfurt 26.04.2018

Das Projekt SIDAP wird auch auf der diesjährigen ACHEMA 2018 in Frankfurt am Main vertreten sein. Frau Prof. Vogel-Heuser wird im Rahmen des Forum "Automation in Dialog" der ARC Advisory Group, NAMUR und ZVEI am 11.06.2018 um 11:00 Uhr einen Vortrag halten. Sie finden das Forum in Halle 11.0 F 59*.
Weiterhin werden die Ergebnisse von SIDAP an allen fünf Tagen auf dem Messestand der SAMSON AG präsentiert. Neben SIDAP werden auch weitere Ansätze der SAMSON AG vorgestellt.

Webseite des Forums "Automation in Dialog"
Vorläufiges Programm "Automation in Dialog"
Pressemeldung der SAMSON AG
Emanuel Trunzer

SIDAP auf der VDI/VDE Automation 2018 in Baden-Baden am 04. Juli 2018 24.04.2018

Im Rahmen eines Vortrags auf der VDI/VDE Automation 2018 werden Herr Vermum (Evonik Industries AG) und Herr Trunzer (TUM) Ergebnisse des Projekts SIDAP am 04. Juli 2018 unter dem Titel "Datengetriebene Diagnose von Regelarmaturen zur Steigerung der Anlagenverfügbarkeit" vorstellen.

Veranstaltungsseite
Programmheft
Emanuel Trunzer

BMWi: Smart Data - Innovationen aus Daten 24.04.2018

In der vom Bundesministerium für Wirtschaft und Energie herausgegebenen Publikation "Smart Data - Innovationen aus Daten" werden 13 ausgewählte Leuchtturmprojekte des Technologieprogramms vorgestellt. Eines hiervon ist SIDAP, welches ab Seite 39 zu finden ist.

Webseite der Publikation
Publikation
Emanuel Trunzer

NAMUR-Umrage: Schwierigkeit mit Big-Data-Analysen 23.03.2018

Um die Schwierigkeit mit Big-Data-Analysen aufzuzeigen, fand für SIDAP eine Umfrage unter NAMUR Mitgliedsunternehmen statt. Einen Artikel hierzu finden Sie online auf den folgenden Webseiten dieser Zeitschriften:

atp-Homepage
CHEMananger-Homepage
CHEMIETECHNIK-Homepage
P&A-Homepage
PROCESS-Homepage
Emanuel Trunzer

CHEMIE TECHNIK: Chemie erforscht Modelle für die vorausschauende Instandhaltung 23.03.2018

Betreiber von Prozessanlagen sitzen auf einem riesigen Datenschatz. Doch das Potenzial einer übergreifenden Analyse möglichst aller Daten, wird bislang kaum genutzt. Im Forschungsprojekt Sidap werden bisher unbekannte Zusammenhänge in den Daten aufgespürt. Das Ziel: Geräte- und Anlagenausfälle reduzieren.

CHEMIE TECHNIK-Homepage
Emanuel Trunzer

PROCESS: Dieser Weg wird kein leichter sein 16.03.2018

Von Big Data zu Smart Data: Forschungsprojekt zur Ermittlung typischer Armaturenfehler - Gerade im Zusammenhang mit Industrie 4.0 sehen viele Entscheider den Schlüssel in Big-Data-Analysen. Doch der Weg von Big Data zu Smart Data kann mitunter sehr weit sein. Ohne eine intelligente Aufbereitung der Daten helfen selbst sehr große Datenmengen wenig. Dies zeigte sich bei der Entwicklung einer prädiktiven Wartungskonzepts für Regelarmaturen.

Beitrag
PROCESS-Homepage
Emanuel Trunzer

Publikationen

SIDAP auf der VDI/VDE Automation 2018 in Baden-Baden am 04. Juli 2018 24.04.2018

Im Rahmen eines Vortrags auf der VDI/VDE Automation 2018 werden Herr Vermum (Evonik Industries AG) und Herr Trunzer (TUM) Ergebnisse des Projekts SIDAP am 04. Juli 2018 unter dem Titel "Datengetriebene Diagnose von Regelarmaturen zur Steigerung der Anlagenverfügbarkeit" vorstellen.

Veranstaltungsseite
Programmheft
Emanuel Trunzer

SIDAP präsentiert Veröffentlichung auf IEEE ICIT 2017 in Kanada 01.01.2018

E. Trunzer, I. Weiß, J. Folmer, C. Schrüfer, B. Vogel-Heuser, S. Erben, S. Unland and C. Vermum. "Failure Mode Classification for Control Valves for Supporting Data-Driven Fault Detection," in IEEE International Conference on Industrial Engineering and Engineering Management (IEEM), IEEE, Dec. 2017, pp. 2346-2350.

Significant losses of production due to unplanned downtimes are a major problem caused by technical failures of equipment. Existing approaches like failure mode and effect analysis try to identify possible equipment breakdowns, their causes and effects in order to quantify the reliability of the system. Yet, they are not used for the detection of faults. On the other hand, Industrie 4.0 and data mining aim to improve the total operating time of automated production systems. However, due to the complexity of automated production systems and the underlying physical phenomena, it is essential to formalize expert knowledge for usage during data analysis. In this contribution a classification table is proposed, in which the expert knowledge on failure modes, underlying parameters and detection features are summarized and presented. This knowledge is used to formulate appropriate detection models. The evaluation for detection of failure modes for control valves showed the usefulness of combination of expert knowledge and data-driven data analysis.

Link zur Veröffentlichung
Emanuel Trunzer

SIDAP präsentiert Veröffentlichung in der gwi 01.01.2018

J. Folmer, I. Kirchen, E. Trunzer, B. Vogel-Heuser, T. Pötter, M. Graube, S. Heinze, L. Urbas, M. Atzmüller and D. Arnu. "Big und Smart Data - Herausforderungen in der Prozessindustrie," gaswärme international (gwi), vol. 2, no. 2, pp. 68-78, Apr. 2017.

In der Prozessindustrie fallen eine Vielzahl unterschiedlicher, heterogener Daten an und das Gesamtsystem kann aufgrund seiner Komplexität und Dynamik nicht komplett formal beschrieben werden. Daher untersuchen die Projekte SIDAP und FEE die Eignung von Big Data und Smart Data Ansätzen in dieser Domäne. Obwohl beide Projekte unterschiedliche Ansätze verfolgen, ergeben sich gemeinsame Herausforderungen. Dieser Beitrag fasst diese zusammen und zeigt Lösungsansätze auf, beispielsweise durch die Schaffung eines gemeinsamen Datenverständnisses oder die Anreicherung der Daten mit Zusatzinformationen.

Link zur Veröffentlichung
Emanuel Trunzer

SIDAP präsentiert Veröffentlichung auf IEEE ICIT 2017 in Kanada 01.01.2018

E. Trunzer, I. Kirchen, J. Folmer, G. Koltun and B. Vogel-Heuser. "A Flexible Architecture for Data Mining from Heterogeneous Data Sources in Automated Production Systems," in IEEE International Conference on Industrial Technology (ICIT) - 2017, IEEE, 2017, p. 1106-1111.

Data heterogeneity and proprietary interfaces present a major challenge for big data analytics. The data generated from a multitude of sources has to be aggregated and integrated first before being evaluated. To overcome this, an automated integration of this data and its provisioning via defined interfaces in a generic data format could greatly reduce the effort for an efficient collection and preparation of data for data analysis in automated production systems. Besides, the sharing of specific data with customers and suppliers, as well as near real-time processing of data can boost the information gain from analysis. Existing approaches for automatic data integration lack the fulfillment of all these requirements. On this basis, a flexible architecture is proposed, which simplifies data integration, handling and sharing of data over organizational borders. Special focus is put on the ability to process near real-time data which is common in the field of automated production systems. An evaluation with technical experts from the field of automation was carried out by adapting the generic concept for specific use cases. The evaluation showed that the proposed architecture could overcome the disadvantages of current systems and reduce the effort spent on data integration. Therefore, the proposed architecture can be an enabler for automated data analysis of distributed data from sources with heterogeneous data formats in automated production systems.

Link zur Veröffentlichung
Emanuel Trunzer

SIDAP präsentiert Veröffentlichung in der atp 01.01.2018

J. Folmer, I. Kirchen, E. Trunzer, B. Vogel-Heuser, T. Pötter, M. Graube, S. Heinze, L. Urbas, M. Atzmüller and D. Arnu. "Big und Smart Data - Herausforderungen in der Prozessindustrie," Automatisierungstechnische Praxis (atp), vol. 1, no. 59, pp. 58-69, Mar. 2017.

In der Prozessindustrie fallen eine Vielzahl unterschiedlicher, heterogener Daten an und das Gesamtsystem kann aufgrund seiner Komplexität und Dynamik nicht komplett formal beschrieben werden. Daher untersuchen die Projekte SIDAP und FEE die Eignung von Big Data und Smart Data Ansätzen in dieser Domäne. Obwohl beide Projekte unterschiedliche Ansätze verfolgen, ergeben sich gemeinsame Herausforderungen. Dieser Beitrag fasst diese zusammen und zeigt Lösungsansätze auf, beispielsweise durch die Schaffung eines gemeinsamen Datenverständnisses oder die Anreicherung der Daten mit Zusatzinformationen.

Link zur Veröffentlichung
Emanuel Trunzer

SIDAP präsentiert Veröffentlichung auf IEEE INDIN 2016 in Frankreich 20.07.2016

J. Folmer, C. Schrüfer, J. Fuchs, C. Vermum and B. Vogel-Heuser. "Data-Driven Valve Diagnosis to Increase the Overall Equipment Effectiveness in Process Industry," in 14th IEEE International Conference on Industrial Informatics (INDIN), IEEE, Jul. 2016, p. 1082-1087.

The avoidance of plant shutdowns is one of the highest priorities for plant operators (plant owners). Shutdowns are forced by abnormal situations, e.g. unexpected equipment faults such as valve or pump faults. Each unexpected fault can lead to hazardous situations within a plant. Pumps are already well analyzed compared to valves and also frequently used in process industry. In this paper a data-driven fault detection system for valves will be introduced. To gain additional knowledge about faults of specific equipment, big data technology is applied, based on a huge number of historical data for different valves. The paper introduces an approach in which data from different competitive companies operating several process plants are filtered, selected and combined with data from equipment manufacturers. The valve diagnosis system uses historical process data obtained across company borders using physical valve models to detect faults by comparing standardized flow coefficient determined by DIN IEC 60534-2-1.

Link zur Veröffentlichung
Jens Folmer

Kontakt

Für Kontaktdaten bitte folgendem Link folgen: SIDAP am AIS


Haftungshinweis


Trotz sorgfältiger inhaltlicher Kontrolle übernehmen wir keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich. Namentlich gekennzeichnete Beiträge in den Diskussionsbereichen geben die Meinung des Autors wieder. Für die Inhalte der Beiträge sind ausschließlich die Autoren zuständig.

Impressum

Technische Universität München
Fakultät für Maschinenwesen
Lehrstuhl für Automatisierung und Informationssysteme
Boltzmannstrasse 15
D-85748 Garching b. München


Haftungshinweis


Trotz sorgfältiger inhaltlicher Kontrolle übernehmen wir keine Haftung für die Inhalte externer Links. Für den Inhalt der verlinkten Seiten sind ausschließlich deren Betreiber verantwortlich. Namentlich gekennzeichnete Beiträge in den Diskussionsbereichen geben die Meinung des Autors wieder. Für die Inhalte der Beiträge sind ausschließlich die Autoren zuständig.