Data-Analytics-Lösungen zur Verbesserung der OEE-Kennzahl

Overall Equipment Effectiveness (OEE) ist die bedeutendste Kennzahl für Industrieunternehmen. Zur Optimierung der Gesamtanlageneffektivität greifen viele Unternehmen auf Data-Analytics-Lösungen zurück. In diesem Blog zeigen wir auf, wie eine Verbesserung der OEE-Kennzahl mit einem digitalen Retrofit möglich ist.

Die Effektivität zu optimieren, gehört für viele Unternehmen zu den höchsten Prioritäten. Aufschluss darüber, ob Maschinen und Anlagen effektiv laufen, gibt die Overall Equipment Effectiveness (OEE). Zusammengesetzt aus den Grössen Verfügbarkeit, Qualität und Ausstoss bestimmt das die Gesamteffektivität von Anlagen und Maschinen.

Mithilfe von Data-Analytics-Lösungen können die generierten Daten aus Maschinen und Anlagen erfasst und durch Machine-Learning-Algorithmen ausgewertet werden. Damit erhalten Unternehmen einen Überblick über den Status der Anlagen und Maschinen und können mögliche Störungen oder anfallende Wartungsarbeiten prognostizieren.

Im zweiten Teil lernen Sie weitere Data-Analytics-Lösungen kennen, die zur Verbesserung der OEE-Kennzahl beitragen. Dank eines digitale Retrofits von Maschinen und Anlagen können diese Lösungen auch bei Altsystemen Anwendung finden:

Predictive-Quality-Anwendungen prognostizieren anhand der erfassten Daten Störungen an Maschinen und Anlagen, die sich negativ auf die Produktqualität auswirken könnten. Durch zeitnahes Eingreifen und die Veränderung der Prozessparameter oder Maschineneinstellungen können Industrieunternehmen die Entstehung von Ausschuss vermeiden und Zusatzkosten verringern.

Predictive-Performance-Anwendungen greifen auf die erkannten Anomalien von Predictive Maintenance und Predictive Quality zurück. Mit den Daten werden die Machine-Learning-Algorithmen fortlaufend optimiert und trainiert. Damit wird eine kontinuierliche Verbesserung der Performance ermöglicht.

Altsysteme stellen bei der Realisierung und Umsetzung solcher Data-Analytics-Lösungen eine besondere Herausforderung dar. Mithilfe von einem digitalen Retrofit lassen sich die teilweise 20 oder sogar 30 Jahre alten Maschinen mit Sensoren und Datenschnittstellen aufrüsten. Neben konventioneller Vibrations-, Temperatur- und Strom-Mess-Technik können auch optische und akustische Sensoren verbaut werden. Industrieunternehmen können dabei auf bewährte technische Frameworks zurückgreifen, um Data-Analytics-Lösungen, wie Predictive Maintenance, Predictive Quality und Predictive Perfomance zu implementieren und so die Overall Equipment Effectiveness zu verbessern.

Wir haben Ihr Interesse geweckt?

Gerne beraten wir Sie und zeigen Ihnen verschiedene Möglichkeiten auf, wie Sie Ihre Overall Equipment Effectiveness mit einem Retrofit Ihrer Maschinen verbessern können.

Digitaler Retrofit und Overall Equipment Effectiveness

Um die Gesamtanlageneffektivität zu optimieren, greifen viele Unternehmen auf Data-Analytics-Lösungen zurück. Dafür benötigen sie nicht unbedingt moderne Maschinen mit eingebauter Sensorik. Wir zeigen Ihnen in diesem Blog, wie ein digitaler Retrofit Ihrer Maschinen zur Optimierung der Overall Equipment Effectiveness beitragen kann.

Industrieunternehmen setzen viel auf die Overall Equipment Effectiveness (OEE). Anhand der Grössen Verfügbarkeit, Qualität und Ausstoss misst die wohl bedeutendste Kennzahl die Gesamteffektivität von Anlagen und Maschinen. Gleichzeitig können dadurch auch Rückschlüsse auf die Leistungsfähigkeit der Produktionsprozesse gezogen werden. Diese Kennzahl zu optimieren ist somit unweigerlich eines der Hauptziele von Unternehmen.

Data-Analytics-Lösungen bieten dafür hervorragende Möglichkeiten. Die Daten von Maschinen und Anlagen können damit erfasst und mit Machine-Learning-Algorithmen ausgewertet werden. So lassen sich Vorhersagen treffen, die nicht nur ein rechtzeitiges Eingreifen bei Störungen ermöglichen, sondern gleichzeitig zur kontinuierlichen Verbesserung der OEE beitragen.

In diesem Blog fokussieren wir uns zunächst auf Predictive-Maintenance-Anwendungen. Wir zeigen Ihnen, wie mithilfe davon alle OEE-Kennzahlen abgedeckt werden können:

Predictive-Maintenance-Anwendungen können aus Daten, die aus Maschinen und Anlagen generiert wurden, den Verschleiss von Maschinen- und Anlagenteilen prognostizieren. Damit können Unternehmen die Abnutzung von Teilen bereits vor den geplanten Wartungsarbeiten detektieren und rechtzeitig Instandhaltungsmassnahmen ergreifen. So lassen sich ungeplante Stillstände von Maschinen und ganzen Produktionsstrassen verhindern und mögliche Strafzahlungen durch ausbleibende Waren vermeiden.

Eine Herausforderung bei der Realisierung dieser Anwendungen sind Altsysteme. Diese verfügen im Vergleich zu modernen Maschinen und Anlagen nicht über die notwendige Sensorik. Mit einem digitalen Retrofit lassen sich diese Produktionsanlagen mit Sensoren und den entsprechenden Schnittstellen zur Datenerfassung nachrüsten.

Welche weiteren Data-Analytics-Lösungen zur Optimierung der OEE-Kennzahl beitragen können und mit welcher Sensorik Altsysteme ausgestattet werden können, lesen Sie demnächst im zweiten Teil unseres Beitrags „Data-Analytics-Lösungen zur Verbesserung der OEE-Kennzahl“.

Predictive Quality: Edge- oder Cloud-Lösung?

Predictive-Quality-Anwendungen nehmen einen immer grösser werdenden Stellenwert in der Produktion ein. Die Cloud bietet eine Vielzahl an neuen Möglichkeiten, doch wenn es um die Schnelligkeit geht, ist es sinnvoll, auf Edge Computing zu setzen. Wir zeigen Ihnen in diesem Blog, wie Sie Edge-Systeme trotz ihrer geringeren Rechenleistung einsetzen können.

Mit Predictive-Quality-Anwendungen können Unternehmen die Qualität ihrer Produkte und die Prozessabläufe kontinuierlich optimieren. Damit lassen sich zudem Qualitätsprobleme erkennen. Voraussetzung hierfür ist ein Machine-Learning-Verfahren das Probleme wie Stau an einer Maschine oder eine Überhitzung eines Motors schnell prognostizieren kann. Die hierfür benötigten analytischen Berechnungen der Algorithmen können sowohl über Edge-Computing wie auch über eine Cloud-Plattform ausgeführt werden. Im ersten Teil „Predictive Quality und Edge Computing“ haben wir Ihnen bereits Gründe aufgezeigt, warum ein Rückgriff auf eine Cloud-Plattform bei zeitkritischen Anwendungsfällen nicht ratsam ist.

In diesem Teil erläutern wir Ihnen, wie Sie trotz geringerer Rechenleistung Edge-Systeme einsetzen können, indem Sie Machine-Learning-Modelle optimieren:

• Pruning: Mit dem Vereinfachen, Kürzen und Optimieren der Entscheidungsbäume lässt sich die Komplexität der Eingangsparameter senken, die damit weniger Rechenleistung benötigen.
• Frameworks: Die Bandbreite an Frameworks ist groß und bieten unterschiedliche Vor- und Nachteile. Mit einem Framework wie beispielsweise Learn2Compress von Google können die Layer von Deep-Learning-Modellen in ihrer Breite und Tiefe reduziert werden und damit weitere Rechenleistungen eingespart werden.
• Programmiersprache: Machine-Learning-Modelle werden üblicherweise in der Programmiersprache Python geschrieben. Diese bedarf jedoch einer hohen Prozessor- und Rechenleistung. Compiler können verwendet werden, um Python in eine Sprache zu übersetzen, die weniger Prozessorleistung benötigt wie beispielsweise C#.

Mit diesen Tipps können Machine-Learning-Modelle optimiert und Edge-Systeme eingesetzt werden. Die Effizienz der Cloud kann durch eine Edge-Lösung jedoch nicht ermöglicht werden. Ein großer Nachteil, denn durch den Lastenausgleich benötigt die Cloud oft weniger Rechenkapazität und ist damit kostengünstiger als die Edge-Lösung.

Ob Sie sich für eine Cloud- oder Edge-Lösung entscheiden, sollten Sie von jedem konkreten Einzelfall abhängig machen. Eine Kombination der beiden Lösungen ist ebenfalls denkbar und möglich. So können beispielsweise die Daten an der Edge aufbereitet und vorgefiltert werden und die Weiterverarbeitung in die Cloud gelagert werden.

Haben Sie Fragen zu den verschiedenen Möglichkeiten? Kontaktieren Sie uns gerne.

Predictive Quality und Edge Computing

Die Cloud ist in aller Munde, doch insbesondere wenn es schnell gehen muss, ist es gut bei Predictive-Quality-Anwendungen auf Edge Computing zu setzen. Wir zeigen Ihnen in diesem Blog, welche Vorteile Edge Computing gegenüber der Cloud hat.

Predictive-Quality-Anwendungen geben Industrieunternehmen die Möglichkeit zur Optimierung, sei es bei der Qualität der Produkte oder bei den Prozessabläufen. Gleichzeitig können dadurch auch Qualitätsprobleme erkannt werden, die sich kurzfristig anbahnen. Damit kann beispielsweise eine drohende Verstopfung eines Ventils einer Anlage oder ein plötzlich auftretendes ungewöhnliches Verhalten eines Elektromotors einer Maschine detektiert werden. Das sofortige Eingreifen, etwa durch das Verändern der Prozessparameter oder der Maschineneinstellungen kann somit oftmals große Schäden verhindern, vorausgesetzt das eingesetzte Machine Learning-Verfahren kann diese Probleme schnellstmöglich prognostizieren.

Wir zeigen Ihnen, warum sich bei zeitkritischen Anwendungsfällen die Auslagerung der analytischen Berechnungen der Algorithmen auf eine Cloud-Plattform nachteilig auswirken kann:

• Datenversand an die Cloud-Plattform: Die von den Maschinen und Anlagen erfassten Sensormessdaten und Prozessparameter müssen für die Berechnungen an die Cloud-Plattform übermittelt werden. Hierdurch entstehen Zeitverzögerungen. Im Extremfall kann diese Verlangsamung zu groß sein und dazu führen, dass nicht mehr rechtzeitig reagiert und eingegriffen werden kann.
• Datenaustausch mit der Cloud-Plattform: Im Gegensatz zum Edge Computing benötigt der Austausch mit einer Cloud eine stabile Internetverbindung. Unternehmen können das teils nur schwer sicherstellen, da sich insbesondere Produktions- und Fertigungshallen häufig an entlegenen Orten befinden. Damit sind Unternehmen ständig dem Risiko eines Verbindungsausfalls ausgesetzt, der wiederum ein rechtzeitiges Eingreifen hemmt.

Mit der analytischen Berechnung direkt an den Maschinen und Anlagen können Unternehmen diese Probleme vermeiden. Die technischen Möglichkeiten für eine Edge-Lösung sind zunehmend vorhanden, denn es gibt immer mehr Sensoren mit eigenen Recheneinheiten. Auch immer mehr Industriecomputer sind heute mit hochleistungsfähigen Prozessorkarten ausgestattet.

Die Wahl zwischen einer Edge- oder Cloud-Lösung muss individuell getroffen werden, eine generelle Empfehlung gibt es nicht. Unternehmen sollten bei der Entscheidung wichtige Faktoren wie Antwortzeit, Netzwerkverfügbarkeit und Kosten berücksichtigen und gegeneinander abwägen. Gerne unterstützen wir Sie hierbei.

Wie Edge-Lösungen trotz ihrer geringeren Rechenleistung eingesetzt werden können und welchen großen Nachteil weiterhin im Vergleich zur Cloud besteht, lesen Sie in unserem zweiten Beitrag „Predictive Quality: Edge- oder Cloud-Lösung“.

LeanBI in den Medien zum Thema:

Computer Vision in Industrieunternehmen

Die Qualität von Computer-Vision-Systemen hängt stark von der verwendeten Aufnahmetechnik ab. Jeder Industriebetrieb hat dabei seine eigenen Anforderungen und Bedingungen zu berücksichtigen.

Mit userer Checkliste finden Sie die passende Lösung.

www.m-q.ch: Computer Vision in Industrieunternehmen

Digitaler Retrofit für Altsysteme – Wegbereiter für die Industrie 4.0

Maschinen- und Anlagenparks sind für viele Unternehmen unverzichtbar, jedoch sind viele davon nicht mehr State of the Art. Diese sogenannten Altsysteme haben ein Manko, ihnen fehlt die Konnektivität, um sie in digitale Workflows zu integrieren. In unserem Blog zeigen wir Ihnen die positiven Effekte von einem digitale Retrofit an drei weiteren Anwendungsszenarien.

Mit der fortschreitenden Digitalisierung stehen viele Unternehmen im industriellen Umfeld vor einer grossen Herausforderung: Wie können Altsysteme integriert werden? Ihnen fehlen dafür zwei wesentliche Faktoren: die Datenschnittstelle und die Sensorik zur Erfassung der Daten. Eine Aufrüstung der Altsysteme mit der notwendigen Sensor- und Steuerungstechnik ermöglicht ein digitaler Retrofit. Damit lassen sich nicht nur die Performance steigern, sondern auch das Qualitätsrate verbessern.

Die Anwendungsszenarien für einen digitalen Retrofit sind breit gefächert. Einen ersten Einblick haben wir Ihnen bereits in unserem Blog «Integration von Altsystemen durch Digitalen Retrofit» gegeben. An drei weiteren Beispielen zeigen wir Ihnen den praktischen Einsatz des Retrofits und seine positiven Effekte auf:

1. Metallproduktion: Qualitätsschwankungen bei der Herstellung von Metallprodukten wie Röhren, Komponenten oder Karosserieteilen frühzeitig zu erkennen ist entscheidend. Dank eines digitalen Retrofits mit dem Altsysteme mit der entsprechenden Sensorik ausgestattet werden, können Schwankungen in der Produktion minimiert werden. Die Produktionskontrolle kann reaktiv gestaltet werden, umso mehr Online-Sensorik eingesetzt wird. Hierdurch kann zusätzlich eine durchgängige Nachverfolgbarkeit über den gesamten Produktionsprozess gegeben werden. Die Kombination von dezentraler Datenaufnahme und zentraler Datenanalyse kann zudem zur Ausschussreduktion und kostengünstigerer Produktion beitragen.
2. Oberflächenbearbeitung: Durch die Kombination des digitalen Retrofits mit Predictive Maintenance können Verschleisszeiten bei Bearbeitungswerkzeugen besser prognostiziert werden. Der Einsatz von zusätzlicher Sensorik gepaart mit der Analytik optimiert die Abläufe gleich mehrfach: zum einen können hochbeanspruchte Komponenten bei der Oberflächenbehandlung länger eingesetzt werden, zum anderen reduziert dies den Materialverbrauch und die Downtime-Zeiten. Damit lässt sich die Produktivität erhöhen.
3. Elektronikproduktion: Mit der Aufrüstung von Altsystemen durch einen digitalen Retrofit können hochkomplexe, KI-unterstütze Prüfmethoden für die frühzeitige Erkennung von Komponentenausfällen im Produktionsprozess eingesetzt werden. Damit wird nicht nur die Produktivitätsrate gesteigert, sie helfen gleichzeitig dabei neu auftretende Anomalien zu verstehen und beheben zu lernen.

Die nachhaltige Modernisierungs-Technologie Retrofit ist ein wichtiger Wegbereiter für die Industrie 4.0. Ohne sie wären wertvolle und teilweise unverzichtbare Altsysteme und Produktionsstätten verloren, was mit einem immensen Wertverlust einhergehen würde.

Haben wir Ihr Interesse geweckt? Dann kontaktieren Sie uns und wir beantworten gerne Ihre Fragen.

Integration von Altsystemen durch Digitalen Retrofit

Maschinen- und Anlagenparks ohne Altlasten digitalisieren zu können? Welches Unternehmen erhofft sich das nicht? Doch oftmals geht es nicht um einen kompletten Neuanfang, sondern um die Umrüstung und Integration von verschiedensten Legacy-Systemen in digitale Workflows. Wir zeigen Ihnen in diesem Blog anhand von drei exemplarische Anwendungsszenarien die positiven Effekte eines digitalen Retrofit.

Die Digitalisierung ist in vollem Gange – eine der grössten Stolperfallen im industriellen Umfeld ist die Integration von Altsystemen. Zwei entscheidende Voraussetzungen fehlen diesen dabei: Ohne die ist eine Optimierung von Planung und Umrüstzeiten, Steigerung von Performance und Verfügbarkeit, Verbesserung der Qualitätsrate sowie die Umsetzung von Predictive Maintenance nicht möglich. Zum einen fehlt die Sensorik zur Erfassung von Daten, zum anderen die Datenschnittstelle zu deren Weiterleitung. Mit einem digitalen Retrofit können Altsysteme mit der dafür notwendigen Sensor- und Steuerungstechnik bestückt werden.

Wir zeigen Ihnen im ersten Teil drei Szenarien für den praktischen Einsatz und die potenziellen positiven Effekte eines digitalen Retrofits:

1. Intralogistik: Mit dem boomenden Online-Handel ist auch das Versandvolumen rasant angestiegen, damit einhergehend die hohe Auslastung der Logistikanlagen, die auch aufgrund ihrer (teil-)analogen Strukturen nicht mit diesem Wachstum mithalten können. Der Bau oder der Erwerb von zusätzlichen Gebäuden oder Anlagen kann im Gegensatz zu einem Retrofit der bestehenden Anlagen nicht so in der gleichen Zeit umgesetzt werden. Damit ist ein digitaler Retrofit nicht nur der schnellere, sondern auch der kostengünstigere und ressourcenschonendere Weg; denn als i-Tüpfelchen wird auch noch die Lebensdauer der Anlagen erhöht.
2. Montagelinien: Viele Produktanbieter wie Automobilzulieferer oder Fahrradhersteller sehen sich vor grosse Herausforderungen gestellt: Wie können Lieferzeiten durch die hohe Nachfrage eingehalten werden und gleichzeitig die wachsende Variantenvielfalt abgedeckt werden? Ein Ausfall in der Produktionskette führt dazu, dass komplette Anlagen stillstehen, Liefertermine nicht eingehalten werden und damit hohe Strafen drohen. Durch Predictive Maintenance können frühzeitig mögliche Ausfälle erkannt werden. Dank des Retrofits, der dies bei Altsystemen erst möglich macht, kann die Liefertreue sichergestellt, die Produktionsleistung erhöht und die Zufriedenheit der Kunden gesteigert werden.
3. Verpackungsindustrie: Dass viele Maschinen hintereinandergeschaltet sind, zeichnet die Verpackungsindustrie aus, birgt aber auch das Risiko, dass bei einem Ausfall eine komplette Linie steht. Auch hier können mit Hilfe des Retrofits und Predictive Maintenance ungeplante Störungen und geplante Wartungsarbeiten reduziert werden. So können Altsysteme mittels Sensorik die Verpackungsqualität unterschiedlicher Produkte automatisiert überprüfen und damit die Ausschlussrate reduzieren.

Mit einem digitalen Retrofit können nicht nur die wichtigen Voraussetzungen für die Integration von Legacy-Systeme in digitale Workflows geschaffen werden, sondern auch der Weg für Industrie 4.0 bereitet werden, dabei unterstützen wir Sie gerne.

Möchten Sie mehr zur Integration von Altsystemen durch einen digitalen Retrofit wissen? In unserem zweiten Blogbeitrag «Digitaler Retrofit für Altsysteme – Wegbereiter für die Industrie 4.0» haben wir weitere Anwendungsbeispiele skizziert.

LeanBI AG hat im August 2022 das InnoSuisse Projekt «Automated Bridge Defect Recognition” gewonnen.  

Innosuisse ist die schweizerische Agentur für Innovationsförderung. Der gesetzliche Auftrag von Innosuisse ist es, wissenschaftsbasierte Innovation und Start-ups in der Schweiz zu fördern. Die Agentur fördert den Wissenstransfer aus der Forschung in die Wirtschaft.

Das Kick-off-Meeting im Oktober 2022 in Zürich war ausgezeichnet (und wie man sieht mit viel Ausblick) und wir alle bei LeanBI freuen uns auf die Zusammenarbeit mit den Forschungspartnern OST St.Gallen und Hes-so Genève und dem Implementierungspartner Basler & Hofmann.  Die Zukunft der Brückeninspektion und des Infrastruktur Asset Managements ist digital! Wir professionalisieren und vereinfachen die automatisierte KI (künstliche Intelligenz) zur Schadenserkennung auf den digitalen 3D-Brückenzwillinge.

Transparente Luftqualität

Luftqualität ist ein sensibles Thema, insbesondere wenn viele Menschen in einem Raum zusammenkommen. Mit einer Technologie zur Raumluft-Messung können Sensoren zur Transparenz der Luftqualität beitragen. Wir zeigen Ihnen in diesem Blog weitere positive Aspekte dieser Technologie.

Gute oder schlechte Luftqualität ist entscheidend dafür, wie effektiv wir arbeiten und lernen, bestimmt darüber hinaus auch für unsere Arbeitszufriedenheit. Auch aus energetischen Gründen ist ein gutes Luftqualitätsmanagement sinnvoll: Das Facility Management erhält damit eine weitere Steuerungsmöglichkeit für Lüftungs- und Klimatisierungstechnik und kann damit nicht zuletzt die Energiekosten optimieren. Die Installation und Bedienung von einer Technologie zur Raumluft-Messung ist einfach, robust und effizient im Betrieb und kann Kosten einsparen.

In unserem Blog «Luftqualität in Innenräumen» haben wir bereits einige Gründe für den Einsatz von Raumluft-Messungs-Technologie aufgeführt. Wir skizzieren Ihnen nun weitere Punkte, wie sie mit Plug-and-Play-Sensoren und der Raumluft-Messung zu einer verbesserten Luftqualität in Innenräumen beitragen können:

• Energiekosten reduzieren: Ein wiederkehrendes Streitthema in den Wintermonaten: Heizen und gleichzeitig Lüften. Dabei trägt die Heizungsluft massgeblich zu einer verschlechterten Luftqualität in Innenräumen bei. Dank der Raumluftmessung lässt sich unabhängig vom subjektiven Wärme- und Frisch-Luft-Gefühl die Raumluftqualität bemessen. Die Sensoren können damit nicht nur Temperaturwerte detektieren, sondern auch den CO2-Gehalt und die Luftfeuchtigkeit. Damit lässt sich viel zielgerichteter und auch effizienter lüften. Das freut den Geldbeutel gerade in Zeiten von drastisch steigenden Energiepreisen, kann damit eine höhere Energieeffizienz generiert und die Energiekosten gesenkt werden.
• Facility Management effizienter gestalten: Raumluftmesswerte sind die Grundlage für ein effiziente Steuerung der Heizungs-, Lüftungs- und Klimatisierungstechnik. Mithilfe einer Technologie zur Raumluftmessung kann das Facility Management die gemessen Luftgütewerte für eine effiziente Steuerung dieser Komponenten nutzen. Damit können Gebäude sinnvoll, kostengünstig geheizt werden und somit die Energieeffizienz gesteigert werden. Eine bedarfsgerechte Steuerung der Lüftungs- und Heizungstechnik trägt darüber hinaus dazu bei, die Betriebskosten zu senken. Die Raumsensoren können zusätzlich auch mit dem Alarmsystem verbunden werden. So können Abweichungen im Luftdruck der Räume Aufschluss über Luftstrom im Gebäude geben.

Eine transparente Luftqualität in Innenräumen ist nicht nur höchst sinnvoll, sondern kann Energiekosten einsparen und zu einer effizienten Gebäudeinstandhaltung beitragen.

Haben Sie Fragen oder möchten Sie mehr über die Technologie zur Raumluft-Messung erfahren, kontaktieren Sie uns gerne.

Luftqualität in Innenräumen

Geschlossene Räume, abgestandene Luft und keine Möglichkeit zum Lüften – mangelnde Luftqualität ist nicht erst seit der Coronapandemie ein grosses Thema. Wir zeigen Ihnen in diesem Blog, wie clevere Sensorik und Cloud-Technologie zur Transparenz der Luftqualität beitragen.

Arbeitseffizienz und -zufriedenheit der Mitarbeiter, die Auslastung von Büro- und Konferenzräumen und Energiekosten, all das wird von der Qualität der Luft in Innenräumen beeinflusst. Umso wichtiger: reine Luft. Denn überall dort, wo Menschen in geschlossenen Räumen aufeinandertreffen, sei es in Kitas, Universitäten oder im Büro, ist die Reinheit der Luft ein sensibles Thema. Die Technologie zur Raumluft-Messung ist mittlerweile einfach zu installieren und zu bedienen. Die Sensoren, die einfach durch Plug-and-Play in den Räumen angeklebt werden, sind durch ein vom normalen WLAN unabhängiges Netzwerk (LORA-WAN) und ein Gateway mit einer eigenen Cloud verbunden. Dort werden die Werte aufbereitet und können jederzeit über ein Online-Dashboard abgelesen werden.

Wir zeigen Ihnen einige positive Effekte dieser Technologie auf:

• Wohlbefinden und Leistungsfähigkeit steigen: Die Qualität der Umgebungsluft hat einen messbaren Einfluss auf unsere Arbeitsleistung beim konzentrierten Lernen und Arbeiten. Müdigkeit, Unkonzentriertheit oder sogar Kopfschmerzen sind die Folgen von schlechter Luftqualität. Die Sensorik kann die ausschlaggebenden Parameter, die für die schlechte Luftqualität verantwortlich sind, detektieren. So können Kohlendioxid (CO2), Temperatur, Feuchtigkeit und flüchtige organische Verbindungen (VOC) erfasst und damit Rückschlüsse auf die Luftfeuchte, aber auch auf den Keim- und Aerosolgehalt der Raumluft geschlossen werden. Bei Bedarf können auch weitere Parameter durch die Technologie erfasst werden, beispielsweise Feinstaub, Radon oder Kohlenmonoxid.
• Raumbelegung messen: Überschreitungen von Grenzwerten werden durch diese Technologie zuverlässig erfasst und können in Echtzeit transparent dargestellt werden. Dadurch ist es möglich, die Anzahl der sich in einem Raum befindlichen Menschen anonym und ohne den Einsatz von Überwachungskameras zu messen. Damit kann beispielsweise eine aktuelle Überbelegung oder eine chronische Über- oder Unterschreitung von Auslastungsgrenzen festgestellt werden. Ohne dabei persönliche Daten erfassen zu müssen.
• Handlungsmassnahmen ergreifen: Durch die direkte Bereitstellung der Werte können Handlungsanweisungen abgeleitet werden, die mithilfe von Lichtimpulsen, einer Art Ampel-Signal in den betroffenen Räumen sichtbar gemacht werden. Die aktuellen Werte werden zusätzlich per Device Management über ein separates Netzwerk in die Cloud eingespeist. Die Daten werden dort aufbereitet, analysiert, verglichen und über ein Online-Dashboard bereitgestellt. Damit erhalten nicht nur die direkt Betroffenen einen Einblick in die Werte, sondern auch weitere berechtige Personen, wie beispielsweise Führungskräfte oder Klimatechniker.

Die Luftqualität in Innenräumen zu messen und zu steuern ist in vielerlei Hinsicht sinnvoll. Mit den aktuell verfügbaren Technologien können die Systeme schnell und kostengünstig installiert werden, dabei unterstützen wir Sie gerne.

Welche weiteren positiven Effekte eine Technologie zur Raumluft-Messung mit sich bringt, lesen Sie in unserem zweiten Beitrag «Transparente Luftqualität».