CO2-Neutralität durch datenbasierte Optimierung

Ressourcenschonend und wirtschaftlich

Für viele Menschen und Unternehmen werden die klimatischen Veränderungen die größte Herausforderung in den nächsten Jahrzehnten sein. Schon heute sind die Folgen des Klimawandels deutlich spürbar und führen zu ökologischen, aber auch ökonomischen Problemen. Phoenix Contact hat es sich daher zur Aufgabe gemacht, ressourcenschonend und nachhaltig zu arbeiten. Die eigenen Konzepte werden Anwendern in Form verschiedener Automatisierungslösungen zur Verfügung gestellt.
Mit der Data Collection Box lassen sich Prozess- und Energiedaten gemeinsam normalisieren.
Mit der Data Collection Box lassen sich Prozess- und Energiedaten gemeinsam normalisieren.Bild: Phoenix Contact Deutschland GmbH

Einen Überblick über sämtliche Erzeuger und Verbraucher im eigenen Energienetz zu haben, stellt einen wichtigen Bestandteil für die Steuerung der nachhaltigen Produktion dar. So kann der Einsatz von aus Wind- und Sonnenenergie generiertem Strom zu einer stetigen Änderung des Energiemixes führen. Das hat einen direkten Einfluss auf den CO2-Fußabdruck der in diesem Zeitraum hergestellten Güter. Für die CO2-neutrale Fertigung wird also ein Konzept zur energetisch intelligenten Steuerung von Prozessen benötigt. Vor diesem Hintergrund umfasst das ganzheitliche Digitalisierungskonzept ‚Digital Factory now‘ von Phoenix Contact für produzierende Fabriken ebenfalls den bewussten Umgang mit Energie. Verbrauchsdaten fügen sich dabei lückenlos in die Verteilung, Visualisierung und Kontrolle der Prozessdaten ein.

Bild: ©petrmalinak/shutterstock.com

Verbräuche erfassen, auswerten und steuern

Als Basis dient eine Data Collection Box, um Bestandsanlagen zugriffssicher in moderne IT-Systeme zu integrieren. Zu diesem Zweck werden Prozess- und Verbrauchsdaten gemeinsam normiert. Bei der Data Collection Box können die Anwender zwischen einer standardisierten und einer komplett individualisierten Variante wählen. Die Individualisierung beschränkt sich hier nicht auf die Hardware, sondern setzt sich in der Software fort. Verbesserungen in der Fertigung zahlen oftmals direkt in die Energieoptimierung ein, sofern Produkte mit den gleichen Ressourcen wirtschaftlicher hergestellt werden. Aufgrund der Unterstützung von Low Code benötigen die Mitarbeitenden keine OT- oder IT-Kenntnisse für den Zugriff auf die verfügbaren Daten sowie die Verbesserungsmöglichkeiten. Häufig ist es die Summe von kleinen Maßnahmen aus verschiedenen Bereichen und deren schnelle Umsetzung, die zusammen einen Mehrwert erzeugen. Außerdem erweist es sich als wesentlich, dass die Verbräuche nicht nur beobachtet werden. Sie müssen sich auch gezielt steuern lassen. Aus diesem Grund kommt in der digitalen Fabrik von Phoenix Contact am Standort Bad Pyrmont eine speicherprogrammierbare Steuerung der Produktfamilie PLCnext Control zum Einsatz. Einerseits kann die SPS sicher und deterministisch mit der OT-Welt kommunizieren. Gleichzeitig fungiert sie als vollwertiges IIoT-Gerät. Die Aufzeichnung und Visualisierung der von der Steuerung weitergeleiteten Daten hilft bei der effektiveren Bewertung von Energiesparmaßnahmen. Zu diesem Zweck bietet Phoenix Contact sowohl Lösungen direkt in der Produktionsumgebung ebenso wie den eigenen Clouddienst EMMA zur Energieverwaltung. So lassen sich Maschinen und Prozesse standortübergreifend vergleichen.

 Mit der Data Collection Box lassen sich Prozess- und Energiedaten gemeinsam normalisieren.
Mit der Data Collection Box lassen sich Prozess- und Energiedaten gemeinsam normalisieren.Bild: Travel mania@shutterstock.com / tolga ildun@shutterstock.com

Erkenntnisse schnell umsetzen

Eine Lötanlage, die in der digitalen Fabrik aufgestellt ist, erläutert das Konzept der Integration von Energiesparmaßnahmen. Eine Data Collection Box, die zwischen die Haupteinspeisung der Anlage geschaltet wurde, archiviert die erfassten Energiedaten in einer Datenbank. Durch das Übereinanderlegen der Stückzahlen und des Energieverbrauchs wird bereits nach einer Woche erkennbar, dass die Maschine einen hohen Standby-Verbrauch aufweist sowie über längere Zeiträume nicht fertigt. Allerdings zieht das Ausschalten der Maschine einen Verlust an Flexibilität nach sich, weil mit einer Hochfahrzeit von einer Stunde zu rechnen ist. Auf der Grundlage der Auftragsdaten aus dem MES-System sowie einer Analyse der Energiedaten für eine Vorhersage des Produktionsstatus der Maschine können nun Ab- und Anschaltzeitpunkte dynamisch geplant werden. Die Data Collection Box ist somit in der Lage, die Maschine rechtzeitig in den betriebsbereiten Zustand zu versetzen. Durch die Auswertung der anfallenden Daten lässt sich ferner die Fertigungszeit pro Auftrag je Artikel bestimmen. Dadurch ist langfristig eine effizientere Auftragsplanung möglich. Zusätzlich können die Machine-Learning-Lösungen MLnext des Herstellers unterstützen, die in der Feldebene nicht vorhandenen Informationen vorherzusagen. Hierbei handelt es sich um eine Machine-Learning-Software, mit der sich selbst große und komplexe Datenmengen durch neuronale Netze einfach auswerten lassen. Der Anwender kann zwischen unterschiedlichen Versionen wählen, bei denen die Analyse manuell, halbautomatisch oder automatisch gestartet wird. Auf Basis von KI-basierten Algorithmen können anschließend entsprechende Verbesserungen vorgenommen werden.

Energiedaten bilden Anlagenverhalten ab

Wie erwähnt, lassen sich mit den Energiedaten Auswertungen durchführen, die Rückschlüsse auf die Performance und Verfügbarkeit der Maschinen sowie die Qualität der auf ihnen hergestellten Produkte liefern. Dies, da die Energiedaten oftmals viele Informationen über das Verhalten der Anlage umfassen. Mit Hilfe von KI können diese herausgefiltert und aufgearbeitet werden. Versuche in der eigenen Produktion haben gezeigt, dass sich durch die Untersuchung der Energiedaten Anomalien feststellen lassen. Zudem sind auch Stückzahlen und Betriebszustände prognostizierbar. Das Einsammeln und Speichern von Daten rentiert sich also für verschiedene Benutzer auf unterschiedlichen Wegen. Das beschleunigt wiederum die Amortisationszeit und deckt bisher nicht erkennbare Potenziale auf. Es gilt folglich der Ansatz von Big Data, wobei datengetriebene Muster gesucht werden, um die Frage nach dem „Was passiert?“ zu beantworten. Domänenexperten erhalten darüber hinaus Lösungsvorschläge auf die Frage „Warum passiert es?“.

Das könnte Sie auch Interessieren