Die meisten prozesstechnischen Anlagen sind auf eine Laufzeit von 20 oder mehr Jahren ausgelegt. Das liegt zum einen am großen technischen Aufwand, der mit ihrer Errichtung einhergeht. Andererseits ist ein Neubau oft nicht erforderlich, da das in ihnen gefertigte Produkt weder an Aktualität noch an Qualität verliert. In der Automobilindustrie stellt sich die Situation in dieser Hinsicht ganz anders dar: Der häufige Modellwechsel zieht einen zyklischen Komplettumbau der Anlagen nach sich. Dies hat den Vorteil, dass sich neue Technologien in kürzeren Intervallen in die Applikationen integrieren lassen, was in prozesstechnischen Anwendungen in der Form nicht möglich ist. Also heißt es, andere Alternativen zu schaffen, um neue Industrie- 4.0-Technologien in einer vorhandenen Prozesstechnik- Anlage anzuwenden. Im ersten Schritt müssen Daten aus dem Anlagenbetrieb zusammengetragen werden – und das sicher und rückwirkungsfrei. Weil die bestehenden Anlagen nicht umfassend geändert werden sollen, ist die bekannte Automatisierungspyramide um einen Seitenkanal zu erweitern, der ein horizontales Abgreifen der Prozessdaten auf allen Ebenen erlaubt. Hier kommt die symbolische Datendiode zum Einsatz, mit der sich Daten aus der Anlage entnehmen lassen, wobei ein Zugriff auf die Prozesse verhindert wird. Die nun auf einfache Weise zur Verfügung stehenden Daten bilden die Grundlage für jegliche Analyse. Sie können auf Servern oder in einer Cloud gesammelt und an die Stellen weitergeleitet werden, an denen eine Untersuchung stattfindet. Dabei kann es sich um interne Spezialisten oder externe Dienstleister handeln.
Einbindung des Leitsystems nicht notwendig
Mit der Summe der in einer Anlage installierten Messpunkte erhöhen sich die Auswertungsmöglichkeiten, auf deren Grundlage Optimierungsstrategien erarbeitet werden. Probleme können beispielsweise aus Schwankungen bei der Versorgung mit Teilen resultieren, die eine vorgelagerte Anlage zuliefert. Wird nur ein Anlagenteil betrachtet, bleibt dieser Störungsgrund unter Umständen unbemerkt. Die Analyse sämtlicher historischen Daten, die während eines Anlagenstillstands aufgezeichnet wurden, kann bei der Vermeidung derartiger Ursachen helfen, bevor es zu schwerwiegenden Konsequenzen kommt. In diesem Zusammenhang wird von Predictive Analytics oder Data Mining gesprochen. Auf solche Dienstleistungen haben sich bereits mehrere Unternehmen spezialisiert. Als weiteres Schlagwort sei Predictive Maintenance genannt, folglich eine vorbeugende Wartung. Das bedeutet, dass ein Motorlager lediglich dann ausgewechselt wird, wenn es tatsächlich verschlissen ist und nicht turnusmäßig, was den finanziellen und personellen Aufwand deutlich senkt. Ein Schwingungssensor, der am Motor angebracht wird, liefert die notwendigen Daten. Hier kommt ein anderer Aspekt des NOA-Konzepts ins Spiel: Der Schwingungssensor muss dazu nicht mit dem Leitsystem verbunden werden. Er meldet seine Ergebnisse über den Seitenkanal beispielsweise an die Visualisierungslösung der Wartungsabteilung. Das Leitsystem wird also nicht eingebunden. Da die gesammelten Anlagendaten auf einem separaten Server oder in einer Cloud liegen, sind sie einfach für Dienstleister zugänglich, um eine Analyse durchzuführen. Der bisher übliche Weg der Datenerfassung für derartige Zwecke über einen lokal angeschlossenen Datenlogger oder einen Eingriff in das Leitsystem erweist sich als wesentlich aufwendiger. Darüber hinaus kann der Betreiber den Energieverbrauch oder die Produktionsleistung respektive -qualität über mehrere Standorte direkt vergleichen, sodass eine noch breitere Basis für Verbesserungsansätze zur Verfügung steht.