In Schubladen denken

Sidap-Datenmodell strukturiert Diagnosedaten für die automatisierte Datenanalyse

Daten zur Entscheidungsfindung aufbereiten

Modern industry equipment at factory manufacture background

Im Rahmen des Sidap-Modells wurde die Funktionalität des Beschreibungswerkzeugs Dexpi so erweitert, dass nun Informationen zu physikalischen Komponenten, auch unabhängig von deren Funktionen, oder Einzelkomponenten des Ventils, erhältlich sind. (Bild: navintar – AdobeStock)

Dr. Norbert Fabritz, Leiter der EMR beim Technischen Service von Evonik Technology & Infrastructure im Chemiepark Marl, kennt das Problem: „Für uns stellt sich immer wieder die Frage, wie man mit Informationen aus Anlagen umgeht. Wie lassen sich Datenflüsse so aufar-beiten, dass wir die richtigen Schlüsse daraus ziehen?“

Betrachtet man allein eine Regelarmatur, wird die Fülle an Informationen, die im Laufe des Industrielebens dieser Armatur entstehen, sichtbar. Bereits im Engi-neeringprozess, wenn der Planer die Armatur plant, beginnt die Datensammlung. Im Anschluss erfolgt der Einbau und die Inbetriebnahme, auch hier entstehen immer wieder Daten. Während des Betriebs kommt es zu einem Defekt und die Armatur landet in einer Werkstatt, wo sie repariert und dann wieder eingebaut wird. Auch hier gibt es Fehlerprotokolle, Prüfberichte etc. Hinzu kommen Informationen über den jeweiligen Prozess und besondere Ereignisse.

Jedes Asset wird also im Laufe seines Lebens von vielen verschiedenen Abteilungen betrachtet, und jeweils relevante Daten werden häufig redundant aufgeschrieben. Es ist jedoch einleuchtend, dass viele dieser Informationen nicht für alle interessant sind. Dennoch: „Wir wollen einen Pool von Daten über die Armatur, auf die wir von verschiedenen Sichten zugreifen können. Um das Ganze noch zu verkomplizieren – wir benötigen die Informationen nicht nur von einer, sondern von allen Armaturen und dies möglichst an allen Standorten.“ Hierfür benötigt man ein allgemein gültiges Datenmodell, das bisher nicht vorhanden ist. Wie wird ein Datenmodell leicht anwendbar? Im Kern geht es dabei um drei Fragen:

  • Wie lassen sich die Daten zusammenfassen?
  • Welche Informationen sind wichtig?
  • Wie kommt der Anwender an die für ihn wichtigen Informationen wieder heran? (2/4)
Heftausgabe: Pharma+Food Juli 2019
Seite:
Emanuel Trunzer, TU München

Über den Autor

Emanuel Trunzer, TU München
Loader-Icon