Die meisten industriellen Datenanalysen basieren auf Zeitreihendaten. Dieser Datentyp hat einen Wert / Prozessparameter für jeden Zeitstempel. Beispielsweise erzeugt die Prozessautomatisierung diese Art von Daten: Messwerte, Sollwerte, Steuersignale usw. Ein weiterer gängiger Analysetyp ist die Ereignis- oder Transaktionsdatenanalyse, bei der Werte mit Ereignissen verknüpft werden, die auch eine zeitliche Beziehung haben können.

Bei einigen Arten von Produktion oder Prozessen sind die Daten von Natur aus Vektordaten. Am häufigsten werden Vektordaten verwendet, um blatt- oder plattenartige Produkte wie Papier oder gewalztes Metall zu analysieren. Die analysierten Daten liegen im Vektorformat vor und werden normalerweise von Profilscannern, Inspektionskameras usw. erstellt. Grafische 2D-Profilkarten stellen den typischen Ansatz zur Visualisierung von Scannerdaten dar.

Es gibt mehr Möglichkeiten, Vektordaten zu verwenden als herkömmliche Profilmessungen. Vektordaten können beliebige Daten sein, die mehrere Datenpunkte im selben Zeitstempel haben. Beispielsweise kann das Frequenzspektrum als Vektor behandelt werden – jeder Zeitstempel hat ein eindeutiges Frequenzspektrum. Oder ein Vektor kann eine Form sein, die aus Kamerasystemen extrahiert wurde.

Moderne Methoden und geeignete Werkzeuge bringen den Wert von Vektordaten zur Geltung

 Grafische 2D-Vektorkarten stellen den typischen Ansatz zur Visualisierung von Vektordaten dar. Zusätzlich kann ein statistischer Wert dargestellt werden. Durch geeignete Tools können hochwertige Informationen in den Vektordatensätzen angezeigt werden, z. B. langfristige Änderungen mit allmählichen Verschiebungen, die allein durch visuelle Überwachung nicht erkannt werden können. Intelligente mathematische Datenverarbeitung kann auch verborgene wertvolle Phänomene in Daten aufdecken.

Was den besten Wert erzeugt, ist die Kombination von Vektordaten mit gewöhnlichen Prozessinformationen (Zeitreihendaten). Mit neuartigen Methoden können Sie Ursachen und Folgen sowie Beziehungen zwischen Vektor- und Zeitreihen- / Ereignisdaten diagnostizieren.

Wenn Analysemethoden und -verfahren zuverlässig, schnell und benutzerfreundlich sind, sind die Ergebnisse auch zuverlässig und werden schnell erhalten. Dies ist äußerst wichtig, da sonst die Analyse aufgrund der hohen Arbeitsbelastung oder weil die Analyseergebnisse fehlerhaft sein können, vernachlässigt wird.

Laden Sie das kostenlose Whitepaper herunter!

Laden Sie das kostenlose Whitepaper herunter, in dem erläutert wird, wie Sie die Analyse von CD-Profilen (Quer zur Maschinenrichtung) mit Prozessmessungen kombinieren können. Es bietet auch einige Beispielberechnungen und Informationen zur Analysemethode.

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Einer der häufigsten Anwendungsfälle von Wedge besteht darin, einen Zeitraum von Interesse mit einem anderen Zeitraum zu vergleichen und herauszufinden, was sich verändert hat. Diese Art von Studie ist erforderlich, wenn ein Ingenieur die Best Practices für den Betrieb einer Anlage ermitteln oder optimieren möchte.

Typischerweise zeigt dieser Vergleich auch, ob sich ändernde Prozessbedingungen erheblich auf die Prozessleistung auswirken, was häufig weitere Entwicklungsaktivitäten auslöst.

FALLBEISPIEL 1: Ein Zeitraum im Vergleich zu einem bekannten Referenzzeitraum

Die erste Novemberwoche des vergangenen Jahres war ein großer Erfolg: Die Produktionsmengen waren hoch, die Qualität gut und der nominale Energieverbrauch niedrig.

Seitdem versucht Ihr Team, das gleiche Produktivitätsniveau zu erreichen. Die letzten zwei Wochen waren erneut eine Herausforderung. Sie möchten verstehen, was Sie jetzt anders machen als im November. 

Wie machen Sie das?

 Mit Wedge können Sie Referenzzeiträume speichern. Eine gespeicherte Periode kann Ihre erfolgreiche Testlaufperiode markieren und eine andere kann eine Benchmarkperiode für die Herstellung Ihres Endprodukts sein. Ein dritter könnte ein Zeitraum sein, in dem der Chemikalienverbrauch in Ihrer Produktionslinie außergewöhnlich niedrig war. Die gespeicherten Zeiträume sind nützlich, wenn Sie Ihre aktuellen Prozessbedingungen vergleichen möchten und Betriebspraktiken mit denen im Bezugszeitraum.

Zunächst können Sie untersuchen, wie sich die Messungen von Interesse in der Zielperiode verhalten (schwarz in der obigen Abbildung) und wie sie sich während Ihrer Referenzperiode verhalten (grün). Dies ist eine schnelle visuelle Studie und ein guter erster Schritt, um Ihr Verständnis zu verbessern.

Als nächstes könnten Sie Mathematik anwenden: Was sind die Mittelwerte, Minima, Maxima oder Standardabweichungen der ausgewählten Signale über den ausgewählten Zeitraum und andererseits über den Referenzzeitraum.

Auf diese Weise können Sie besser verstehen, wo die wesentlichen Unterschiede liegen.

Schließlich können Sie Wedge anfragen, alle Signale mit einer bemerkenswerten Abweichung zwischen der ausgewählten Periode und der Referenzperiode aufzulisten. Das System gibt eine umfassende Liste von Messungen in der Reihenfolge der Größe der erkannten Änderung zurück. Da diese Methode alle Signale berücksichtigt, bleibt keine Änderung zwischen dem Ziel und der Referenzperiode unbemerkt.

FALLBEISPIEL 2: Eine Zeit geringer Produktivität im Vergleich zu einer Zeit hoher Produktivität

Ihr kritischster Produktions-KPI ist Tonnen pro Stunde. Nach Ihrer Erfahrung sind 17,5 t / h eine lobenswerte Leistung, während weniger als 15 t / h auf lange Sicht auf einem inakzeptablen Niveau liegen. Vielleicht möchten Sie analysieren, was anders gemacht wird, wenn die magischen 17,5 t / h erreicht sind, und welche Faktoren normalerweise niedrige Tonnagen erklären.

Wedge kann das Signal und die Grenzwerte für die Produktionstonnen in ein schrittweises Signal umwandeln, das anzeigt, ob die Produktion auf einem hohen Niveau (17,5 t / h oder höher), einem mittleren Niveau (15-17,5 t / h) oder einem niedrigen Niveau (15 t / h) lag oder weniger). In der folgenden Abbildung entspricht Wert 3 einer hohen Tonnage, 2 einer mittleren Produktivität und 1 einer niedrigen Produktivität. Diese Daten können leicht als Grundlage für die Analyse verwendet werden.

Mit den Standardfilterfunktionen von Wedge können Sie zunächst die Durchschnittswerte und Standardabweichungen der Prozesswerte pro Produktionstonnage überprüfen.

Danach ist es möglich, die Analyse mit einem vollständigen Satz anderer Analysewerkzeuge von Wedge fortzusetzen. In diesem Fall zeigen beispielsweise Histogramme der Rohmaterialtemperatur und der Rohstoffkonsistenz (niedrige Produktion links, hohe rechts) deutliche Unterschiede in den Prozessbedingungen zwischen den Perioden mit hoher und niedriger Produktivität.

FALLBEISPIEL 3: Ein außergewöhnlicher Zeitraum im Vergleich zum normalen Prozesszustand

Sie erkennen einen Zeitraum, in dem etwas anders war. Wie finden Sie heraus, welche Änderungen der Prozessbedingungen oder Betriebsmethoden die negative oder positive Abweichung vom Normalen erklären können?

In diesem Fall stellen Sie beispielsweise fest, dass die Temperatur von warmem Wasser instabil war. In Wedge können Sie den gewünschten Zeitraum mit einer gelben Markierungsfarbe markieren. Im Gegensatz dazu zeigt der umgebende weiße Bereich den normalen Zustand des Prozesses an.

Mit Wedge können Sie den markierten Bereich mit dem Normalzustand vergleichen. Statistische Methoden sind ein guter Anfang – in der folgenden Tabelle haben wir den Durchschnittswert jedes Prozesssollwerts berechnet. Dies zeigt schnell, welche Betriebsparameter sich geändert haben. Die statistische Methode kann natürlich auf jede Prozess- oder Qualitätsmessung angewendet werden, und die Ergebnisse sind nicht auf Durchschnittswerte beschränkt, sondern können auch Minimal- oder Maximalwerte, Standardabweichungen usw. sein.

Ein weiterer Ansatz zur Verfolgung von Unterschieden bei Sollwerten oder Prozessbedingungen ist Wedges bestes Korrelationswerkzeug. Das Tool gibt eine Liste von Signalen mit der größten Abweichung zwischen der normalen und der außergewöhnlichen Periode zurück. Dies kann als Kandidatenliste zur Erläuterung des Ausnahmezeitraums angesehen werden. Zusätzlich zu den Grundursachen werden auch die Folgen der Anomalie aufgeführt.

Vergleiche verschiedener Zeiträume und Prozessstatus sind der Ausgangspunkt für den Versuch, die besten Betriebspraktiken zu finden und eine bessere Leistung anzustreben. Es ist entscheidend, dass die angewendeten Systeme einen effizienten Workflow unterstützen und es Ihnen ermöglichen, Phänomene in einem großen Datensatz zu finden.

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Mit Wedge können fortschrittliche Algorithmen für die Mustererkennung in Prozess- und Qualitätsdaten eingesetzt werden. Im Folgenden stellen wir vier praktische Anwendungen für die Mustererkennung vor, mit denen Wedge-Benutzer die Beziehungen zwischen Ursache und Wirkung innerhalb des Prozesses besser verstehen können.

SZENARIO 1: Verfolgen Sie die Ursache eines Qualitätsproblems

In Ihrem Prozess gib es ein Qualitätsproblem. Es zeigen sich Abweichungen wie z.B. in der Dicke des Endprodukts, die Materialverlust und Ausschuss zur Folge haben. Ihre erste Priorität lautet, die zugrunde liegenden Ursachen schnell zu finden, die sich auf die Dickenabweichung auswirken.

Wedge durchsucht nun selbständig alle anderen Messungen und zeigt diejenigen, die zur gleichen Zeit wie die Dickenabweichung oder davor ein ähnliches Muster oder Spiegelmuster aufweisen. Als Ergebnis listet das Wedge-System die Ursachenkandidaten bezogen auf das Qualitätsproblem auf. Und das in Sekundenschnelle.

Als Benutzer von Wedge müssen Sie sich nicht um Prozessverzögerungen kümmern, da sie vom Mustererkennungs-Tool automatisch ausgeglichen werden.

SZENARIO 2: Verständnis über die Folgen von Veränderungen im Rohmaterial

Änderungen im Rohmaterial wirken sich auf Ihren Prozess aus. Die Wedge Algorithmen zur Mustererkennung können Ihnen ohne großen Aufwand helfen, diese zu finden.

Dabei vergleicht Wedge die Form der ausgewählten Messung (die Änderung des Rohmaterials von Typ eins zu Null und wieder zurück zu eins) mit anderen Signalen und listet die am besten korrelierenden Kandidaten hinsichtlich der ausgewählten Messung und Prozessverzögerung auf.

Dies ist eine einzigartige Möglichkeit, Neues über das Verhalten des Zielprozesses zu erfahren.

SZENARIO 3: Finden Sie den Kandidaten heraus, welcher periodische Schwankungen verursacht

Eine einzelne Signalspitze und/oder eine Änderung eines Pegels sind Muster, die leicht erkannt und verfolgt werden können. Aber was ist, wenn Ihre Zielmessungen stark schwanken, dies aber zufällig zu sein scheint? Oder sieht das Muster nicht klar aus oder gibt es mehrere unabhängige Muster, die gleichzeitig einen Einfluss haben? Das klingt kompliziert, ja ist es, aber mit Wedge einfach zu lösen.

Zuallererst hilft Ihnen Wedge dadurch, dass es alle Muster vom Signal aufsplittet. Das System zeigt aus einem Trend, alle Arten von Schwankungsmustern welche vorhanden sind, sowie die relative Stärke jedes einzelnen Musters. In der Praxis erfahren wir dann, ob die Daten periodische Schwankungsmuster enthalten, wie groß die Periodenlängen der erkannten Muster sind und welche Schwankung am stärksten ausgeprägt ist.

Der letzte Schritt besteht in der eigentlichen Diagnose der Ursache, Kandidaten welche das jeweilige Muster verursacht haben. Sie können beispielsweise von Wedge bewerten lassen, wodurch die stärksten Signalschwankungen verursacht werden (die rote mit einer Periodenlänge von 22 Minuten und 39 Sekunden). In diesem Beispiel weisen die Daten auf die Temperatur des einströmenden Dampfes als stärksten Ursachenkandidaten hin. Eine wertvolle Information die Zeit, Geld und Nerven spart.

SZENARIO 4: Suchen Sie nach wiederkehrenden Mustern in Zeiträumen mit Ähnlichkeiten zum ausgewählten Kandidaten

Stellen Sie sich vor, Sie finden eine interessante Phase des Prozessverhaltens – sagen wir, eine Konzentration einer Zusatz-Chemikalie ist niedriger als angegeben und die Temperatur des Rohmaterials sinkt. Trotzdem bleibt die Endproduktqualität stabil. Sie könnten anfangen zu überlegen, ob ein derartiges Ereignis oder ein derartiger Prozesszustand und eine derartige Betriebspraxis bereits früher aufgetreten ist oder ob dies nur ein einmaliger Zufall ist.

Wedge kann verschiedene Zeiträume in der Historie verfolgen, die ein ähnliches Muster aufweisen: dieselben Ereignisse, Prozessbedingungen und/oder Betriebspraktiken wie Ihr Zielzeitraum. Wie können Sie also verschiedene Zeiträume in der Historie verfolgen, deren Muster – Ereignisse, Prozessbedingungen und/oder Betriebspraktiken – Ihrem Zielzeitraum ähneln?

Wedge kann Ihnen bei der anstehenden Aufgabe problemlos helfen.

Sie wählen das Zielsignal und das Zielmusterverhalten aus.. In der Abbildung unten ist ein Signal ausgewählt; der gelbe Bereich zeigt den interessanten Zeitraum. Wedge untersuchte die Historie des Signals und fand einen anderen Zeitraum, in dem sich das ausgewählte Signal auf eine relativ ähnliche Weise wie im Zielzeitraum verhielt. Jetzt können Sie mit Sicherheit ihre Rückschlüsse ziehen.

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Es ist eine veraltete Überzeugung, dass Datennutzung nur die Aufgabe einer Gruppe engagierter Mitarbeiter wie Entwicklungsingenieuren ist. Mit einem gut konzipierten Diagnosetool ist die Prozessdatenanalyse (fast) für jedermann möglich.

Wedge ist ein bekanntes Prozessdatenanalyse- und Diagnosesystem, das seit über 25 Jahren im Einsatz ist. Es wurde entwickelt, um ein breites Spektrum unterschiedlicher Benutzergruppen von Prozessbetreibern bis hin zu Fabrikleitern zu bedienen und in verschiedenen Anwendungsfällen Unterstützung zu bieten.

Wir waren überrascht, als einer unserer Kunden uns einmal mitteilte, dass es in seiner Fabrik nur eine Handvoll Wedge-Benutzer gibt, da intern nicht so viele Datenexperten für die Datenanalyse zur Verfügung stehen. Wir glauben fest an Fakten und haben daher unsere Benutzerstatistiken überprüft, um festzustellen, ob dies wirklich der Fall ist.

Durchschnittlich 50 aktive Wedge-Benutzer pro Fabrikstandort

Basierend auf Daten aus 25 verschiedenen Fabriken variierte die Anzahl der wöchentlich aktiven Benutzer zwischen 10 und über 100 Benutzern pro Standort, wobei die durchschnittliche Anzahl 50 aktive Benutzer pro Standort betrug. Diese Zahl war sogar noch höher als wir erwartet hatten und wir dachten, dass es Möglichkeiten geben muss, Wedge zu nutzen, welche wir selbst bis dahin gar nicht kannten. Natürlich wollten wir genauer herausfinden, was die gängigen und sogar die unkonventionelleren Wedge-Benutzerszenarien sind.

Es ist unglaublich, dass Menschen Datenanalysen durchführen, ohne zu bemerken, dass sie Datenanalysen durchführen.“

Während der Untersuchung des Problems stießen wir auf verschiedene Kommentare, die die Tatsache unterstrichen, dass Wedge die Datennutzung gesteigert und die Analyse demokratisiert hat. Mit Hilfe von Wedge können Benutzer Daten auswählen, verfeinern und statistische Vergleiche ohne Zögern durchführen. Je mehr die Kultur in den Fabriken die datengestützte Entscheidungsfindung fördert, desto schneller übernehmen die Menschen das Wedge-System.

Lesen Sie mehr über die gängigsten Benutzerszenarien für die Datenanalyse mit Wedge >>

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Industrieprozesse generieren traditionell viele Daten, aber aus Sicht der Energieeffizienz handelt es sich möglicherweise nicht um relevante Daten oder um die richtige Art von Daten. Der Energieverbrauch wirkt sich nicht immer auf die Produktion aus, sodass selbst erhebliche Mängel bei der Energieeffizienz den Kernprozess in einer Produktionsanlage nicht unbedingt stören. Energiefresser werden leicht übersehen.

Zwei Dinge sind erforderlich, um die Energieeffizienz zu steigern: die richtigen Daten und Fachkenntnisse sowohl in den Prozessen als auch im Datenhandling.

Elomatic bietet Know-how in beiden Bereichen. Elomatic kombiniert seine Messungen mit den Kundendaten, um dem Kunden zu helfen, seinen Energieverbrauch aufzuzeigen und effizienter zu gestalten.

Der Kunde hat möglicherweise viele Daten gesammelt, ist sich jedoch nicht sicher, wie er diese optimal nutzen kann. Normalerweise müssen die Daten bereinigt und sortiert werden, damit sie wirklich nützlich sind. Prozesswissen ist der Schlüssel zu einer vernünftigen und zuverlässigen Datenanalyse. Ohne Prozesskenntnisse sind Daten nutzlos “, sagt Jukka Summanen, Leading Expert und Development Manager bei Elomatic, zu den Herausforderungen der Datennutzung.

Der Umgang mit Energiedaten ist ein umfassenderer Prozess als der Umgang mit Prozessdaten

Prozessdaten werden häufig aus Sicht der Produktion behandelt, um die Produktionseffizienz zu verbessern oder um ein einzelnes Problem und seine Ursachen zu untersuchen. Bei der Analyse von Energiedaten ist die Datenmasse häufig größer und wird über einen längeren Zeitraum, beispielsweise ein Jahr, überwacht. Die Daten können gegen andere Variablen wie Wetteränderungen analysiert werden. Bei der Energiedatenanalyse werden auch statistische Analysen und Entfernungsanalysen verwendet.

Eine wichtige Maßnahme ist die Energiebilanz, die zeigt, wie viel Energie in die Pflanze gelangt, wie sie verbraucht wird und wie viel Energie die Pflanze ungenutzt lässt.

Die Vorteile der Energieeffizienz

Einfache Entdeckungen führen häufig zu erheblichen Einsparungen. Eine ordnungsgemäße Datenanalyse kann beispielsweise dazu beitragen, Geräte auszuschalten, die ohne Grund eingeschaltet sind, oszillierende Prozesssteuerungen oder fehlerhafte Wärmeübertragungsgeräte.

Durch die Verfeinerung der Energieverbrauchsdaten zu Informationen über bestimmte Verbrauchsarten kann die Energieeffizienz unter typspezifischen Gesichtspunkten verfolgt und weiterentwickelt werden. Dies ermöglicht es, produkt- oder chargenspezifische Informationen über Umwelteinflüsse zu erhalten, was eine Voraussetzung für die Festlegung von CO2-Neutralitätszielen schafft.

In Zukunft wird es einfacher sein, den Status und die Effizienz in der Produktion vorherzusagen. Dies erfordert jedoch, dass die richtigen Daten mit Kompetenz gesammelt und analysiert werden.

Die Verwendung des richtigen Werkzeugs erhöht die Effizienz erheblich

Ein effizientes und benutzerfreundliches Datenanalysesystem erleichtert die Prozessanalyse und führt zu qualitativ besseren Analysen. Es ermöglicht Unternehmen, Änderungen vorzunehmen, die die Energieeffizienz auf der Grundlage von Wissen und nicht von Vermutungen verbessern.

Das Werkzeug der ersten Wahl für Elomatic ist Wedge, das Prozessdiagnosetool von Trimble.

Wenn wir uns nur an Trends orientieren könnten, würden wir Wedge nicht brauchen, aber in unserer Arbeit ist es wichtig, dass wir Daten nach einer bestimmten Qualität oder einem bestimmten Zeitraum sortieren können. ein großer Vorteil ist: es ist schnell; Sie können es mit einem Klick tun. Andere Produkte können das nicht “, sagt Jussi Jääskeläinen, Teamleiter für Effizienzlösungen bei Elomatic, nach den Gründen für die Wahl von Wedge.

Die Stufen der Verbesserung der Energieeffizienz

So können Sie die Energieeffizienz in Ihrem eigenen Unternehmen verbessern:

1. Stellen Sie sicher, dass Sie die richtigen Dinge messen
2. Überwachen Sie die Messungen und die Energiebilanz über einen langen Zeitraum, z. B. ein Jahr
3. Bereinigen und sortieren Sie die gesammelten Daten und analysieren Sie die Ergebnisse
4. Verwenden Sie die Daten, um eine Überwachung für signifikante Energieverbraucher mit Zielwerten einzurichten
5. Reagieren Sie auf Anomalien, erstellen Sie die erforderlichen Pläne und führen Sie sie aus

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Bei der Kategorisierung der häufigsten Anwendungen zeigen sich die folgenden Bilder:

Verschiedene Anwender arbeiten verknüpft miteinander, um Lösungen zu finden. Zum Beispiel beinhaltet dies die Ansicht aktueller „Prozesszustände“ mit der Möglichkeit, sehr detaillierte Analysen durchzuführen. Diese können von jedem durchgeführt werden und nach seinen Aufgabenschwerpunkten selbst skaliert werden.

Prozesszustandsabfragen | Sie wissen genau, was in Ihren Anlagen passiert oder wollen dies wissen?

Wedge bietet viele vorgefertigte Möglichkeiten für Prozesszustandsabfragen über:

• Prozessdiagramme, Trends und Dashboards
• Methodik von SPC und Centerlining (Reduzierung von Varianzen)
• Vorhersagen und Prognosen
• Morgen-Besprechungsberichte
• Schichtwechsel-Berichte

Informationsinhalt in Prozessdaten | Erkennen Sie schnell die relevanten Fakten zur Unterstützung Ihrer Entscheidungsfindung

Einfaches und schnelles Abrufen, Bereinigen und Analysieren von Daten, dies sind die Grundlagen in der Anwendung von Wedge.

• Während einer Besprechung
• Im Prozessbetrieb bei der Suche nach Anomalien
• Im Prozessbetrieb bei der Suche nach Verursachern
• Im Prozessbetrieb bei der Suche nach Auswirkungen

Optimierung und Entwicklung | Erfahren Sie, wie Sie Prozesse und Abläufe verbessern können

Vergleiche und Analysen des Prozessstatus sind mit Wedge ein Kinderspiel.

• Was ist der Unterschied zwischen einem guten und einem schlechten Betriebsfenster?
• Suche nach „Best Practices“
• Was sind die Auswirkungen von ineffektiven Prozessen?

Ursachenanalyse | Finden Sie die Veruracher, auch in komplexen Fällen

Datenanalyse gestützte Ergebnisse von Projekten profitieren von Wedge.

• Entwicklungsprojekte
• Projekte zur Fehlerbehebung
• Projekte zur Vermeidung wiederkehrender Fehler

 

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.

Die Prozessstabilisierung ist bei allen industriellen Prozessen von entscheidender Bedeutung, wenn es darum geht, eine einheitliche Qualität und niedrige Produktionskosten sicherzustellen. Centerlining ist ein häufig verwendeter Begriff, um wichtige Prozessvariablen auf dem gewünschten Stand zu halten und weiter zu optimieren.

Centerlining ist keine streng definierte Methode, aber es gibt bestimmte Schritte, die in einer bestimmten Reihenfolge ausgeführt werden sollten. Nach Abschluss dieser Schritte kann der Prozess wiederholt werden.

Die fünf Schritte des Centerlining sind:

1. Bestimmung der Schlüsselvariablen
2. Erstellung von Grenzwerten für die Variablen
3. Überwachung der Schlüsselvariablen
4. Überwachung langfristiger Schlüsselvariablen
5. Überprüfung der Grenzwerte

Für die Bestimmung der Schlüsselvariablen und Grenzwerte sind Prozesskenntnisse erforderlich

Der erste Schritt besteht darin, die Schlüssel-Prozessvariablen zu bestimmen, die die Produktqualität am meisten beeinflussen. Es müssen ein langer Zeitraum analysiert und die Zeiten ermittelt werden, in denen die Qualität die angegebenen Grenzwerte erreicht hat und die Produktionsrate hoch genug war. Wenn ein geeigneter Zeitraum gefunden wurde, müssen die Prozessdaten analysiert werden, um Schlüsselvariablen zu finden. Der einfachste Weg besteht darin, die Messungen zu suchen, die am besten mit den Qualitätsparametern korrelieren.

Der nächste Schritt besteht darin, die gewünschten Stände für die Schlüsselvariablen zu definieren. Hierfür eignet sich der Standardansatz der SPC-Methode (Statistical Process Control): 1) Sie wählen die Zeiten aus, in denen der Prozess gut funktioniert hat, 2) bereinigen die Daten und 3) berechnen die Durchschnitts- und Standardabweichungswerte auf der Basis dieser Daten. Dann können zum Beispiel drei Sigma-Grenzwerte berechnet werden. Die Grenzwerte müssen je nach Status des Prozesses immer dynamisch sein.

Visualisierung ist der Schlüssel bei der Verwendung von SPC-Grenzwerten

Es ist wichtig, dass SPC-Grenzwerte und Grenzwertverletzungen in einem benutzerfreundlichen Format angezeigt werden. Dies hilft dem Bediener, alle Schlüsselvariablen, die außerhalb der Grenzwerte liegen, schnell zu erkennen. Die Visualisierung kann aus Anzeigen oder Ampeln bestehen, die die aktuelle Situation im Prozess zeigen, sowie Trends für die Visualisierung der Langzeitstabilität.

Um die Bediener noch mehr zu unterstützen, ist es ratsam, den Bedienern auch KPI-Werte mit einer längerfristigen Perspektive zur Verfügung zu stellen. Eine einfache Lösung besteht darin, den Anteil der KPI-Werte zu berechnen, der während der letzten 24 Stunden, einer Woche oder eines anderen Zeitraums innerhalb der Grenzwerte lag.

Das System soll Ihnen auch dabei helfen, herauszufinden, warum die Schlüsselvariablen außerhalb der Grenzwerte liegen. Die Bediener müssen wissen, was die Grenzwertverletzung verursacht und was sie als Nächstes tun müssen, um das Problem zu beheben.

Verbesserung sollte immer das Ziel sein

Die Prozessentwicklung ist eine kontinuierliche Aufgabe. Nachdem sich die Produktion stabilisiert hat, können im nächsten Schritt die Grenzwerte verschärft werden, um konstant Produkte besserer Qualität herzustellen.  Gleichzeitig können der Energieverbrauch und/oder die Rohstoffkosten gesenkt werden.

Nach der Durchführung dieser Schritte kann der Centerlining-Zyklus erneut gestartet werden. Die Wiederholung des Prozesses ist wichtig, da durch die Optimierung der vorherigen Schlüsselvariablen weitere Schlüsselvariablen gefunden werden können, mit denen der Prozess noch weiter optimiert werden kann.

Ein weiterer Aspekt, der berücksichtigt werden muss, sind die Tools, die den Prozess unterstützen. Die heutigen Informationssysteme in den Fabriken enthalten viele Daten und die Daten, die Prozesse und Qualität betreffen, sind häufig auf mehrere Datenquellen verteilt. Ohne geeignete Datenverarbeitungsmethoden ist die Implementierung des Centerlining zu mühsam und das volle Potenzial der Prozessgeräte wird nicht ausgeschöpft. Als Lösung wird die Verwendung einer Prozessdaten-Diagnosesoftware empfohlen, mit der Sie Daten effektiv verarbeiten und die Centerlining-Schritte effizient ausführen können.

 

Diesem Artikel liegt unser Whitepaper zugrunde, das 2019 auf der Papercon unter dem Namen „Smart Paper Machine Analysis“ (Intelligente Analyse bei Papiermaschinen) veröffentlicht wurde. Originaldokument herunterladen.

---

Wollen Sie mehr Wissen?

Unser Verkaufsteam und Datenanalyse-Experten werden Ihnen gerne weiterhelfen. Erfahren Sie mehr über das industrielle Datenanalysewerkzeug Wedge.