Mehrdimensionale Datenanalyse in Abfallbehandlungsanlagen

In modernen Betrieben fallen eine Vielzahl von Prozess-, Produktions- und betriebswirtschaftlichen Daten an. Deren Auswertung sichert die Einhaltung von Umweltrichtlinien und die Wirtschaftlichkeit der Unternehmung. Durch die Verknüpfung und Analyse der Daten aus den verschiedenen Bereichen ergeben sich für Unternehmen zahlreiche Vorteile, wie am Beispiel von Abfallbehandlungsanlagen ersichtlich ist.

Die MPS Betriebsführungsgesellschaft mbH ist eine gemeinsame PPP-Gesellschaft der Berliner Stadtreinigung und der Alba 2 Energy GmbH [1]. Die MPS betreibt an den Standorten Reinickendorf und Pankow zwei Anlagen zur mechanisch physikalischen Abfallbehandlung, die hinsichtlich ihres technischen Aufbaus nahezu identisch sind. Der gesamte Prozess der Abfallbehandlung unterliegt strengen behördlichen Auflagen, deren Einhaltung exakt nachgewiesen werden muss. Zu diesem Zweck sind unterschiedliche IT-Lösungen in Teilbereichen der Anlagentechnik installiert worden. Ein übergeordnetes System zur Beurteilung von technischen und kommerziellen Abläufen wurde manuell auf Basis von MS Excel und ähnlichen Werkzeugen erzeugt. Die Erstellung der Kennzahlen ist zeitintensiv; Korrelationen zwischen einzelnen Prozessgrößen und Ereignissen lassen sich nur aufwendig durchführen. Es bestand die Anforderung, durch den Einsatz moderner Hilfsmittel ein Analysesystem zu installieren, mit dem mehrdimensionale Betriebsabläufe im Detail zeitaktuell analysiert werden können. Prozess- und Anlagendaten sollten darüber hinaus in einem Langzeitarchivsystem gehalten werden, um auch historische Daten in die Analysen mit einbeziehen zu können. Hauptzweck der beiden Behandlungsanlagen mit einer Kapazität von insgesamt 320 000 t/a ist die geordnete Annahme von ca. einem Viertel des Berliner Hausmülls sowie die Produktion von hochwertigen Substitutbrennstoffen aus dem Abfall mittels mechanisch-physikalischer Stabilisierung (MPS).		Die Automatisierung der Anlagentechnik wurde auf Basis von Siemens-Komponenten realisiert. Zum Einsatz kommt die Steuerung S7 in Verbindung mit Win CC zur Prozessvisualisierung. Parallel sind weitere Systeme zur Steuerung der Materialwirtschaft und Instandhaltung im Einsatz. In der Unternehmensgruppe wird SAP als übergeordnetes ERP-System betrieben (Bild 1).
		Bild 1. Ausgangskonzept vor dem Aufbau des Monitoringsystems

Anforderungen an die Datenanalyse

Die Gewinn-und-Verlust-Rechnung ist das Maß aller Dinge zur Lagebeurteilung eines Betriebs. Detaillierte Betrachtungen beinhalten zum Beispiel die gemeinsame Auswertung von Produktions- und Betriebsdaten sowie von kommerziellen Daten, wie Energiekosten, Stundensätzen, Tarifen und Löhnen. Dies wird besonders deutlich, wenn Maßnahmen zur Einsparung von Energie oder zum Ausgleich von schwankenden Rohstoffpreisen in den Betrieben umgesetzt und kontinuierlich überwacht werden müssen. Die Lösung der Aufgabe erscheint vordergründig einfach zu sein, denn sämtliche Informationen sind im Detail in den Betrieben vorhanden (Bild 2). Präzisiert man jedoch die Fragestellungen, kommt man sehr schnell zu der Situation, dass Informationen aus unterschiedlichen Datenbeständen selektiert und ausgewertet werden müssen. So ist zum Beispiel im Bereich der Energieeinsparung von Interesse, welche Maschinen in einem ausgewählten Teilbereich des Betriebs zu bestimmten Zeiten betrieben wurden, bzw. in welcher Form diese Antriebe zum Beispiel zur Bildung von Lastspitzen beigetragen haben. Eine Vielzahl von Projekten startet mit dem Ansatz, zunächst in einer Datenbank die wichtigen Informationen zu erfassen. Die Auswertung

Bild 2. Zusammenführung von Produktions- und betriebswirtschaftlichen Daten

erfolgt dann in einem zweiten Schritt. Auf dieser Basis werden Datengräber erzeugt, die letztlich nur mit Mühe zu bewältigen sind. Im Bereich der Analyse steht dann zunächst die Zeitachse im Fokus der Betrachtung. Hier wird jedoch schnell deutlich, dass sich Abfragen nur begrenzt umsetzen lassen. Weitergehende Analysen sind jedoch möglich, wenn man die Vielzahl der in den Systemen der Unternehmen befindlichen Daten aus einer anderen Sichtweise heraus klassifiziert:

• Unternehmensdaten, wie Messwerte, Kosten, Energieverbräuche und Störungen, sowie
• Dimensionen; dies sind neben der Zeit zum Beispiel Maschinen- oder Gerätetypen, Anlagenteile oder Bereiche, Standorte, Sammeltouren, Lagerplätze, Materialzuordnungen oder Regionen (Bild 3).

Bild 3. Zuordnung von Anlagenobjekten zu Dimensionen

Bild 4. Einordnung von Analysemethoden im Hinblick auf Komplexität und Erkenntnisgewinn

Eine Kombination beider Datentypen bildet die Basis für „mehrdimensionale Analysen“. Im Hinblick auf eine schnelle Identifikation von Problembereichen ist es erforderlich, dass Ergebnisse möglichst zeitaktuell dem Entscheider vorgelegt werden. In Krisen- oder Ausnahmesituationen in Unternehmen müssen folgende Fragen umgehend beantwortet werden können: Wie ist es zu der aktuellen Situation gekommen, was waren die Ursachen und wohin wird sich mein Prozess oder mein Ablauf entwickeln, wenn wir nicht eingreifen? Fragestellungen dieser Art sind nicht neu und begleiten den Unternehmer bzw. den Betriebsleiter täglich. Eine reine Analyse zeitlich geordneter Vorgänge oder Messwerte reicht hier nicht aus, um Fragen dieser Art zu beantworten. Im Bereich der Datenanalyse geht es im Grundsatz darum, Auffälligkeiten zu finden, die sich negativ auf den Betriebsablauf, die Lagerhaltung oder die Kosten auswirken. Grundsätzlich stehen unterschiedliche Methoden und Werkzeuge zur Verfügung, um Transparenz zu schaffen:

Standardberichte: statisch, feste Formen, Dashboard: Darstellung von Kennzahlen, Übersicht über Bereiche und Abschnitte, Olap: Online Analytical Processing, hypothesengestützte Analysen, Anordnung der Daten als Elemente eines mehrdimensionalen Würfels, Data Mining: systematische Anwendung von statistisch, mathematischen Funktionen zur Mustererkennung, Durchsuchung großer Datenmengen, Cluster-Analyse, neuronale Netze.

Bild 5. Systemarchitektur zum Aufbau des Monitoring-Systems

Online Analytical Processing (Olap) ist eine Methode, die zur komplexen Datenanalyse geeignet ist. Statistische und mathematische Hilfsmittel in Kombination mit einem Zugriff auf unterschiedliche Datensysteme bilden den Kern derartiger Lösungen. Olap-Systeme sind seit vielen Jahren auf dem Markt und werden in unterschiedlichen Anwendungen eingesetzt. Anspruchsvolle Engineering- Tätigkeiten, erhebliche Investitionen und abhängig vom Projektumfang lange Realisierungszeiten waren bislang typische Merkmale. Projekte dieser Art waren daher eher zur Beantwortung betriebswirtschaftlicher Fragestellungen im ERP-Umfeld angesiedelt. Die Entwicklung von Business Intelligence Tools ist in den vergangenen Jahren fortgeschritten und ermöglicht heute den Einsatz von Olap-Systemen im Produktionsumfeld. Überschaubare Investitionen, kurze Projektrealisierungszeiten, flexible Analysemöglichkeiten und eine einfache Bedienung sind wichtige Anforderungen, die derartige Systeme erfüllen müssen. Bild 4 zeigt die einzelnen Analysemethoden im Zusammenhang zwischen Erkenntnisgewinn und Komplexität der Systeme. Es gibt nunmehr Lösungen am Markt, die einen Einsatz für den täglichen Gebrauch im betrieblichen Umfeld rechtfertigen.

Aufbau des Systems

• Nutzung und Beibehaltung bestehender Systeme,
• geringe Investitionen für Neuanschaffungen,
• kurze Projektlaufzeit und
• Vorstellung erster Ergebnisse nach ca. acht Wochen.

Bei dem Monitoring-System erfolgt die Ankopplung von Acron [2] über die zertifizierte Win-CC-Schnittstelle zur Erfassung und Archivierung der Prozessdaten. Zur Online-Analyse kommt Qlik View als Olap-System zum Einsatz (Bild 5). Die Prozessdaten gelangen über die SPS-Ebene in das Visualisierungssystem mit seinen verteilten Leitsystemarbeitsplätzen. Acron und Qlik View wurden auf einem zusätzlichen Server installiert. Acron erfasst die Prozessdaten, erstellt die Langzeitarchive und verdichtet, berechnet und verwaltet die Daten. Qlik View greift über eine OPC-Schnittstelle auf die unterschiedlichen Datenquellen, wie die Prozessdaten, die Instandhaltungsdatenbank, die Materialwirtschaft und Excel -Tabellen, zu. In einer späteren Ausbaustufe ist die Ankopplung an SAP vorgesehen. Qlik View ist ein interaktives Olap Tool, das in der Small Business Edition mit dem Zugriff von zunächst fünf Usern auf einem Server installiert wurde. Es ermöglicht den Zugriff auf diverse Datenquellen. Da sämtliche Daten im Ram des Rechners gehalten werden, ergibt sich eine hohe Verarbeitungsgeschwindigkeit. Umfangreiche Skriptsprachen erlauben die Definition der Analysen und Abfragen. Die Selektion und Darstellung der Analysen erfolgt über die interaktive Business-Grafik. Diverse Schnittstellen und Protokolle ermöglichen den Zugriff auf unterschiedliche Datenquellen. Auf Basis einer SQLSkriptsprache und diversen Assistenzfunktionen werden die Datenquellen angesprochen und die Datensätze in das Ram, des Servers geladen. Die Aktualisierung kann zyklisch oder auf Anfrage erfolgen. Die eigentliche Analyse der zu untersuchenden Datenbereiche wird durch eine Vielzahl von mathematischen und statistischen Funktionen unterstützt, die eng mit einer Business- Grafik verknüpft sind. Selektionsmechanismen in Form von Auswahl- oder Listboxen gestatten dem Anwender, sich gezielt in den Datenbereichen der unterschiedlichen Systeme zu bewegen. Das Grundprinzip der Selektion beruht auf einer farblichen Hinterlegung der Daten: Ausgewählte Datenreihen werden grün hinterlegt. Daten, zu denen ein Bezug besteht, werden weiß hinterlegt; zu denen kein Bezug besteht, werden grau hinterlegt.

Umfangreiche Eigenleistung

Acron und Qlik View wurden von der MPS als „Produkt“ in Verbindung mit einer Einführungsschulung gekauft. Die zugehörigen projektspezifischen Dienstleitungen, wie Systeminstallation und Engineering beider Produkte, wurden in Eigenleistung erbracht. In einem ersten Schritt wurde zunächst Acron installiert und an die HMI/Scada-Ebene angeschlossen. Damit war die Datenaufzeichnung und Archivierung „scharf geschaltet“, es konnten keine Informationen mehr verloren gehen. Anschließend wurde der Qlik View Server installiert und die Ankopplung an die weiteren Fremdsysteme vorgenommen. Die Betriebsleiter der beiden Standorte haben dann die Schwerpunkte der Analysen und die Anforderungen an die Selektions- und Grafikmöglichkeiten für die Schwerpunkte Instandhaltungsprozesse, Energiekosten, Materialbestände und Materialdurchlauf definiert. Eine Umsetzung in Qlik View mit den anschließenden Tests und Anpassungen hat sich dann über einen Zeitraum von ca. acht Wochen erstreckt.

Auswertung der Ergebnisse

Die Vorgabe der Geschäftsführung war,zunächst eine maximale Datentransparenz zu ermöglichen, um dann über Analysen der relevanten Betriebsdaten weitere Einsparpotentiale zu identifizieren. Da in der Produktion traditionell der Einkauf und Verbrauch von Energie ein zentrales Thema darstellt, wurde mit den Datenanalysen in diesem Bereich gestartet. Dazu wurden sämtliche elektrischen Verbraucher an beiden Standorten unter anderem über die zugehörigen AKSNummern erfasst und mit den entsprechenden Leistungsangaben in einer Excel-Tabelle mit den Tarifinformationenüber die Stromkosten hinterlegt. Über die SPS-Ebene und Acron wurden dann die Betriebszeiten der einzelnen Verbraucher ermittelt und von Qlik View eingelesen. Eine Grafik (Bild 6) gibt dem Anwender die Möglichkeit, an den verschiedenen Standorten Verbraucher in einzelnen Bereichen zu selektieren und die laufzeitbedingten Energiekosten darzustellen. Plausibilitätsüberprüfungen hinsichtlich der Betriebszeiten liefern einen Eindruck über die Korrektheit von Betriebsaufläufen und helfen, zum Beispiel die unsinnige Nutzung von Verbrauchern aufzuspüren.

Vielfältiger Nutzen

Bedingt durch die angespannte Situation in den Unternehmen ist die Erwartungshaltung hinsichtlich einer Amortisationszeit für derartige Investitionen hoch. Einen Return on Investment von weniger als zwölf Monaten ist daher nicht ungewöhnlich. Nach einer Nutzungsdauer von ca. vier Monaten lassen sich die ersten Eindrücke wie folgt zusammenfassen:

• Es wurde eine vollständige Transparenz in den betrachteten Teilprozessen und eine Einbindung aller Mitarbeiter in den kontinuierlichen Verbesserungsprozess erreicht.
• Sofortiges Erkennen von Datenabweichungen, zum Beispiel durch Havarien, ermöglicht sofortige Gegenmaßnahmen bzw. proaktives Handeln. Die daraus resultierende Eliminierung von „Totzeiten“ führt zu einer Erhöhung der Anlagenverfügbarkeiten und des Durchsatzes.
• Die Arbeitsabläufe wurden gestrafft.
• Eine exakte Planung der Wartung und Instandhaltung sowie eine umfängliche Inanspruchnahme der Abnutzungsreserven wird ermöglicht. Ersatz- und Verbrauchsteile können so bis kurz vor dem Ende der Lebensdauer genutzt werden.
• Durch problemlose Verbrauchsanalysen wird eine Reduzierung der Lagerbestände und eine Preisreduzierung beim Einkauf im Bereich Verschleiß- und Ersatzteile sowie Energie erreicht.
• Aus Transparenz der verfahrenstechnischen Prozesse gekoppelt mit den Energieverbräuchen resultiert eine Steigerung der Energieeffizienz.
• Insgesamt ermöglicht das Konzept Acron/Qlik View eine Senkung der Betriebskosten im Bereich der vom System „maskierten“ Reserven.

Fazit

In komplexen Produktionsprozessen  können weitere kontinuierliche Verbesserungen nur erreicht werden, wenn die handelnden Personen ein permanent erzeugtes Datenbild über alle relevanten Produktionsdaten zur Verfügung haben, um datenaktuell die Ergebnisse ihres Handelns zu sehen und die Prozesse ohne weiteren Verzug in die richtige Richtung steuern zu können. Die kontinuierliche Datenerfassung in Verbindung mit einer Langzeitarchivierung bildet die Grundlage jeglicher Verbesserungsprozesse. Interaktive Analysen über alle Dimensionen ermöglichen die zeitnahe Beantwortung individueller Fragestellungen zur Optimierung verschiedener technischer oder kaufmännischer Geschäftsprozesse.

Download als PDF