Schritt 1: Daten erfassen und weiterleiten
Darstellung des Energieverbrauchs des Lötofens über einen 24-h-Zeitraum und Unterteilung in verschiedene Phasen. Phase 1: Einschaltphase, Phase 2: Warmhaltephase. (Quelle: Infoteam)
Um den Stromverbrauch im Maschinenpark von Sys Tec Electronic zu messen, wurde zunächt jede der zu überwachenden Maschinen mit einem Energiemeter ausgestattet. Konkret kommt der Netzanalysator UMG 96RM von Janitza zum Einsatz. Bei diesem handelt es sich um ein kompaktes und leistungsstarkes Universalmessgerät, das vorwiegend für den Einsatz in Energieverteilungsanlagen konzipiert wurde. Mit ihm wird der Energieverbrauch der Maschinen permanent live überwacht und verfolgt.
Die Daten der Geräte lassen sich entweder vor Ort an mehrere Recheneinheiten senden und dort direkt verarbeiten (Edge-Controlling) oder alternativ via Internet in eine Cloud schicken. Der Vorteil der Cloud-Lösung besteht unter anderem darin, dass keine separate Hardware erworben werden muss. Zudem stellt der Cloud-Anbieter in der Regel neben viel Speicherplatz auch große Rechenleistung zur Verfügung. Außerdem ist es möglich, von überall auf die Daten zuzugreifen. Der Vorteil einer lokalen Recheneinheit ist, dass die Daten nicht via Internet transferiert werden müssen. Somit erreichen sie sicherer und schneller die Recheneinheit, die sie sofort speichern und verarbeiten kann. Mit dem Edge-Controller sysWORXX CTR-700 verwendet Sys Tec Electronic eine hauseigene Linux-basierte Kompaktsteuerung. Diese bietet zahlreiche Ein- und Ausgänge sowie Kommunikationsschnittstellen, um die Daten des Energiemeters zu sammeln und weiterzuverarbeiten.
Der Edge-Controller ist dafür zuständig, die Daten der Energiemeter umzuwandeln und per MQTT an einen MQTT-Broker und -Server zu schicken. Von dort lassen sich die Daten zur Visualisierung für ein Live-Monitoring abfragen oder auf einen lokalen Rechner übermitteln. Auf dem Rechner, der auch das Softwareprogramm zum Energiemanagement ausführt, findet schließlich die relevante Datenanalyse statt. Die Datenanalyse und das Softwareprogramm sind so konzipiert, dass sie auch auf dem Edge-Controller selbst ablaufen können.
Schritt 2: Daten analysieren
Das mehrmalige Speichern von Daten pro Stunde über mehrere Monate hinweg lässt einen gigantischen Data Lake entstehen. Per Data Mining werden gezielt Abhängigkeiten und Trends ermittelt, um daraus eine Vorhersage für das zukünftige Verhalten der Maschinen abzuleiten.
Um Abhängigkeiten zu erkennen, stehen vier verschiedene Analysemethoden bereit: die Klassifizierung (Classification), die Gruppierung (Clustering), Assoziationsregeln (Association Rules) und die Vorhersage (Predictive Analytics). Bei der Klassifizierung werden die Daten anhand ihrer Merkmale unterschiedlichen Klassen zugeordnet; dies dient zur Abgrenzung, Einteilung und Ordnung eines Datensatzes. Beim Clustering werden die Daten auf Ähnlichkeiten untersucht und anhand dieser gruppiert; solch ein gruppierter Datensatz lässt sich leichter bearbeiten und verändern. Um Assoziationsregeln zu bestimmen, wird nach Beziehungen zwischen den Daten gesucht, aus denen wiederum weitere Zusammenhänge abgeleitet werden. Predictive Analytics wendet statistische Techniken und Lernalgorithmen auf historische Daten an, um Ereignisse vorherzusagen. Letztgenannte Analysemethode kam bei der Datenanalyse in diesem Projekt zum Einsatz.
Die Analyse erfolgte anhand der über mehrere Monate gesammelten Daten eines Lötofens, der morgens gestartet wurde und den ganzen Tag über in Betrieb war. Die vom Energiemeter gelieferten Daten zeigen, dass mehr als 50 kW Strom nötig sind, um den Ofen aufzuheizen. Danach fällt der Verbrauch bis auf 12 kW ab. In dieser Phase muss der Ofen nur noch seine Betriebstemperatur aufrechterhalten.
In der Klimakammer werden täglich mehrere Burn-in-Tests durchgeführt. Die Energieverbrauchskurve eines Burn-in-Tests erreicht maximal 16 kW und ist in mehrere Phasen unterteilt: Phase 1 dient dem Entfeuchten der Bauteile. In Phase 2 wird die Klimakammer stark abgekühlt, und die ersten Funktionstests an den Bauteilen beginnen. Während die Kammer in Phase 3 stark erhitzt wird, finden weitere Funktionstests an den Bauteilen statt. Abschließend erfolgt die Abkühlung der Kammer auf Raumtemperatur, um die Bauteile wieder entnehmen zu können.
Die Anzahl der Bauteile und die Dauer der Funktionstests unterscheiden sich bei den einzelnen Burn-in-Tests, wodurch auch die Verbrauchskurven hinsichtlich der Dauer der Phasen und der Höhe des Energieverbrauchs pro Phase stark variieren. Somit ist es für die Klimakammer nicht möglich, einen Durchschnittsverbrauch zu ermitteln.