Qualitätsdaten berechnen und in eine Datenbank laden
Wenn Messdaten automatisch ausgewertet und weiterverarbeitet werden sollen, sind gewisse Anforderungen zu erfüllen, damit aus den Prozessdaten Daten zur Überprüfung der Produktqualität werden. Am Beispiel der Überprüfung einer Produktion eines Warmwalzwerk wird klar, welche Kriterien erfüllt sein sollten, wenn die produktbezogen aufgezeichneten und in Messdateien gespeicherten Messdaten wiederum produktbezogen in eine Datenbank des Stahlherstellers geladen werden. Beispielsweise sollen die Messwerte, die in die Datenbank geladen werden, frei konfigurierbar sein. Die Messwerte sollen nicht als 1ms-Messwerte (wie in der Messdatei aufgezeichnet), sondern verdichtet in die Datenbank geladen werden. Einige der Messwerte werden längenbezogen als 1m-Segment, andere pro Minute gemittelt. Es werden u.a. auch Qualitätskennwerte generiert, bei denen für eine qualitätskennzeichnende Größe Mittelwert, Minimum, Maximum sowie Standardabweichung über ein Längensegment bzw. einen Zeitraum zu bilden sind. Diese Anforderungen können in der Analysesoftware ibaAnalyzer konfiguriert und in einer Analysevorschrift gespeichert werden. Sobald eine neue Messdatei erzeugt wird, d.h. es wurde ein neues Produkt fertiggestellt, wird die Extraktionsaufgabe mit dieser Analysevorschrift und der neuen Messdatei initiiert. Auf diese Weise werden die Qualitätsdaten produktorientiert automatisch in die Datenbank des QM-Systems geladen. Die weiterführende Analyse der Produktion ist basierend auf diesen Daten leicht durchführbar. Da auch hier nicht von Anfang an klar spezifiziert war, welche Daten für die Produktanalyse in der Datenbank benötigt werden, haben sich einfache Konfigurierungs- und Erweiterungsmöglichkeiten sowie die frei konfigurierbare Datenbank-Schnittstelle als wichtige Eigenschaften für den Anwender erwiesen. Durch die offene Datenbankschnittstelle können weitere Datenanalysen basierend auf den in der Datenbank extrahierten Daten durchgeführt werden, um Informationen aus Messdaten zu gewinnen. Weiterhin sind Verfahren wie maschinelles Lernen zur Online-Prozessüberwachung und Datenkorrelationsanalyse zur Root Cause Analyse möglich. So werden bei der Online-Prozessüberwachung (Prozessdiagnose) Messdaten kontinuierlich mit gelernten Gut-Zuständen verglichen. Dabei wird der aktuelle Anlagenzustand mit Messdaten erfasst und während der Produktion online und kontinuierlich mit den bereits früher gelernten Daten korreliert, um Fehlerzustände im Prozess und in der Anlage automatisch zu diagnostizieren. Auf diese Weise können dem Instandhalter wertvolle Hinweise zur Wartung der Anlage gegeben und schleichenden Qualitätsverlusten entgegen gewirkt werden.
Vorausschauender Anlagenbetrieb
Da ein störungsfreier und kontinuierlich ablaufender Anlagenbetrieb direkten, positiven Einfluss auf die Qualität der ausgelieferten Produkte nimmt, ist es wichtig, die Prozessüberwachung durchgängig sicherzustellen und den Prozess ständig zu verbessern. Letztlich garantiert die Prozesssicherheit die Produktqualität und damit die Zufriedenheit der Kunden. Condition Monitoring Systeme (CMS) erfassen den Verschleißzustand von Maschinen permanent durch die Messung und Analyse physikalischer Größen. Durch die Beobachtung von Trends der Schadenspegel lassen sich beginnende Schäden frühzeitig erkennen und Instandhaltungsmaßnahmen besser planen. Real Time Systeme ermöglichen darüber hinaus wichtige Sicherheitsabschaltungen bei Grenzwertüberschreitungen. Die Ursachen für die Schädigung von Maschinenteilen bzw. den Ausfall mechanischer Komponenten lassen sich ohne eine in das Condition Monitoring integrierte Prozessüberwachung jedoch nicht ermitteln. Das CM-System ibaInSpectra ermöglicht nicht nur die Überwachung der für das Condition Monitoring relevanten Signale (im Wesentlichen Vibrations-, Temperatur- und Geschwindigkeitssignale), sondern es bietet gleichzeitig durch die Integration in das Prozessdatenerfassungssystem ibaPDA die Möglichkeit alle Maschinen-, Prozess-, Material- und Qualitätsdaten in Bezug zu auftretenden Beanspruchungen der Maschinenelemente zu setzen. Grenzwerte, die sporadisch überschritten werden, können langfristig die Maschine schädigen und beeinflussen die Produktqualität negativ. Für den Anlagenbetreiber ist es deshalb unerlässlich, die Ursachen für solche Grenzwertüberschreitungen schnell und zielsicher identifizieren zu können. Nur wenn Informationen zur Überwachung der Maschinen mit Prozessdaten kombiniert werden können, lassen sich die Ursachen für Fehler und Störungen langfristig ermitteln und vermeiden. n
