Um zu erkennen, ob eine Veränderung etwa durch einen (drohenden) Schaden oder durch einen absichtlichen Eingriff wie ein geplantes Hoch- oder Herunterfahren der Leistung eingetreten ist, sind jedoch weitere Informationen notwendig, z.B. die Drehzahl der Maschine, der Druck oder die Wasserdurchlaufmenge. Diese werden vom Prozessleitsystem (PLS) der jeweiligen Anlagen dokumentiert. Für eine tiefgreifendere Analyse müssen die Daten so aufbereitet und miteinander verbunden werden, dass daraus Rückschlüsse gezogen werden können – um beispielsweise Fehlerquellen zu finden, Energie einzusparen oder Kosten für Wartungen und Reparaturen zu senken, indem Schäden frühzeitig erkannt werden. Hier kommt die neue App IoT-PLS-Miner ins Spiel, die beim Industriedienstleister Infraserv Höchst entwickelt wurde. Sie verknüpft die Sensordaten aus dem Internet of Things mit den Daten des PLS. So lässt sich der Gesamtzustand einer Maschine oder auch der Zustand einzelner Komponenten und Anlagenteile gezielt analysieren. Das neue Tool bringt die Daten in logische Zusammenhänge und visualisiert sie. Bei einem Alarm verbindet die App die verschiedenen Daten in Echtzeit und lässt direkt erkennen, ob etwas nicht in Ordnung ist und wann eingriffen werden muss. Mithilfe künstlicher Intelligenz kann nach Mustern gesucht werden, um zum Beispiel günstige Fahrweisen von Pumpen zu erkennen. Auf diese Weise können die Anlagen verschleißärmer und mit weniger Wartungsaufwand betrieben werden. Die Wartung wird planbarer, Reparaturkosten werden durch Schadensprävention gesenkt. Der Bereich Kälte, Kühlung, Wasser setzt die App als Planungstool ein: Einmal pro Woche wird analysiert, ob eine Maschine kontrolliert werden muss. Zu den aktuellen Entwicklungsprojekten der Abteilung Data Science & Data Engineering gehören der Einsatz Künstlicher Intelligenz zur Optimierung verschiedener Anlagen, die Implementierung von ChatBots und Recommender Systeme (Empfehlungsdienste) sowie die Erkennung von Anomalien bei Drohnenrundflügen.

Achema Halle 9.1, Stand E 44