03/03/2017

Big Data in der Prozessindustrie: Rückblick auf die Dechema

dechema

 

Geboten wurden uns am Praxisforum der Dechema zum Thema Big Data in der Prozessindustrie eine spannende Mischung aus Impulsvorträgen, Erfahrungsberichten und Anbietervorträgen. Und nicht zu vergessen die spannenden Gespräche an unserem Stand, wo wir in Zusammenarbeit mit unserem Partner acs ag unsere Demos zum Thema Advanced Analytics vorstellen durften.

 

Natürlich haben uns besonders die Erfahrungsberichte aus der Prozessindustrie zum Thema Advanced Analytics interessiert. Hervorgestochen sind dabei die Vorträge von Clariant, DLR/BASF, DFKI/Saarstahl und dem Frauenhofer Institut über die wir hier berichten wollen.

 

 

Clariant: Big Data Analytics for Batch Processes

 

Frau Sindy Thomas hat uns aufgezeigt, warum das Thema Big Data/Advanced Analytics zu Oberst auf der Agenda des Management der Clariant steht. Es sind die in den letzten Jahren stark gefallenen Kosten zur Aufbereitung der Daten und die Bereitschaft der Gesellschaft zum Thema IoT, die hier als wichtigste Faktoren genannt werden. Übergeordnet steht bei den Big Data Vorhaben der Clariant das Ziel, den Entscheidungsprozess massiv zu beschleunigen. Frau Thomas hat uns anschaulich am Beispiel der Batch-Prozess-Analyse demonstriert, wie ein solches Thema im Hause der Clariant angepackt wird. Die Visualisierung der Daten steht dabei zuvorderst. Das ist genau das Thema, dass auch wir mit unseren Visualisierungstools ins Zentrum stellen. Und um ein erfolgreiches Projekt zu realisieren benötigt es nicht nur Daten, Algorithmen und IT-Infrastruktur, sondern besonders auch die talentierten Data Scientist, die gemeinsam mit den Ingenieuren Informationen aus den Daten generieren können.

 

 

DLR/BASF: Frühzeitige Erkennung und Entscheidungsunterstützung für kritische Situationen im Produktionsumfeld

 

Data Collection (Datensammlung) und Data Preparation (Datenaufbereitung) sind die grossen Herausforderungen in einem Big Data Projekt, wie die BASF ausführt. Ziel war ein Assistenzsystem auf die Beine zu stellen, sodass z.B. Foaming Events (Schaumbildung in den Kolonnen) oder Signalabweichungen frühzeitig prognostiziert werden, um dann das Betriebspersonal rechtzeitig zu warnen. Das Ziel wurde erfolgreich erreicht, aber der Aufwand für die Big Data Infrastruktur und Datenvorbereitung war gross. Wir von der LeanBI bieten für einen solchen Fall vorbereitete Infrastrukturen und geeignete Tools für die Datenaufbereitung an. Damit können genau da, wo hohe Kosten anfallen, Projekte so redimensioniert werden, dass sogar KMU’s sich dies leisten können.

 

 

iProduct- Big Data Analytics in the Steel Industry

 

Herr Emrich vom DFKI hat uns in diesem eindrücklichen Referat aufgezeigt, wie ein solches Thema in der Stahlindustrie angegangen wird. Schliesslich ist die Stahlerzeugung auch ein verfahrenstechnischer Prozess (Reduktion, Stahlerzeugung, Giessen, Walzen, Fertigung). Ziel war im Casting Prozess (Giessprozess) die Stahlqualität zu erhöhen, ein besseres Warnsystem im Prozess einzuführen, um dann auf der Grundlage der gemessenen Daten bessere Entscheidungen treffen zu können. Auch die Optimierung der Produktionsplanung und Erhöhung des Gesamtdurchsatzes sind wichtige Ziele des Projekts. Grosse Herausforderung ist und war die verschiedenen Komponenten im Prozess und dazugehörigen Datenströme in eine analytische konsistente Sicht zusammenzubringen. Dabei sind Themen wie Abtastrate am Sensor,  Messungsverzögerungen, Messfehler, Messausfälle von grosser Bedeutung. Das Projekt hat schon einiges erreicht, ist aber noch nicht am Ende.

 

 

Frauenhofer IFF: USE CASES OF DATA ANALYTICS IN THE PROCESS INDUSTRY

 

Das Frauenhofer IFF hat anhand verschiedener Use Cses aufgezeigt, dass man auch mit kleinem Budget gute Resultate zu erreichen sind. Besonders im Bereich der Soft Sensors war das Institut erfolgreich unterwegs. Mit algorithmischen Modellen werden Messungen so zusammengefasst, dass  sich teure Messinstrumente  eliminieren lassen. Sei es bei der Abgasreinigung, bei der Digestion (Gärung) oder bei der Prognose des Stromverbrauchs konnten sehr schöne Use Cases umgesetzt werden.

 

Alles in allem zwei spannende Tage für Wissenschaftler, Data Scientist, Ingenieure und Beratern. Klicken Sie auf die Links um mehr zu den Präsentationen zu erfahren.