Aufrufe
vor 3 Monaten

Verfahrenstechnik 6/2021

  • Text
  • Sensoren
  • Hohen
  • Zudem
  • Anwendungen
  • Einsatz
  • Anforderungen
  • Anlagen
  • Unternehmen
  • Achema
  • Verfahrenstechnik
Verfahrenstechnik 6/2021

MESSEN, REGELN,

MESSEN, REGELN, AUTOMATISIEREN Einfach in der Anwendung Machine Learning erlaubt Mehrwert der Datenanalyse ohne Data-Science-Experten Digitalisierung und Datenanalyse sind als Themen in der Industrie angekommen und bereits fest verankert. In diesem Zuge nimmt die Menge an gesammelten Daten kontinuierlich zu. Bisher wird davon allerdings nur ein Bruchteil gezielt ausgewertet. Das kann mithilfe von Machine Learning jetzt anders werden. Ziel der Datenanalyse ist es, die Qualität von Produkten zu verbessern, die Prozessabläufe zu optimieren oder ganz einfach den Zustand der Maschine kontinuierlich zu überwachen. Dabei beschreiben die gewonnenen Produktdaten die Informationen rund um das Produkt, wohingegen die Prozessdaten den Fertigungsverlauf beschreiben. Ziel muss sein, Mehrwert aus diesen Daten zu generieren. Ein Mehrwert der Datenanalyse erschließt sich bspw. bei der zustandsbasierten Wartung. Vereinfacht ausgedrückt, meldet die Maschine selbstständig, wann voraussichtlich ein kritischer Verschleißzustand erreicht wird. Autorin: Dipl.-Ing. Silke Lödige, Weidmüller Interface GmbH & Co. KG, Detmold Aber wie lassen sich bisher unerschlossene Daten verknüpfen und unbekannte Zusammenhänge identifizieren? Und wie können Unternehmen dafür eigenständig die Methoden des Machine Learning (ML) nutzen? Die Firma Weidmüller unterstützt Maschinenbauer und -betreiber dabei, datenbasierte Services aufzubauen und zu nutzen. Mit dem Industrial AutoML Tool sind Unternehmen in der Lage, eigenständig ML-Modelle zu erstellen und so die gesammelten Daten in einen Mehrwert zu überführen – und zwar ohne eigene Experten im Bereich Data Science. Neuer Ansatz Methoden des Machine Learnings sind Werkzeuge, die zur Analyse der Maschinendaten eingesetzt werden. Bei der klassischen Herangehensweise zur Entwicklung eines ML-Modells ist ein komplexer und manueller Prozess zu durchlaufen, der über verschiedene Prozessschritte zum ML-Modell führt. Zur Anwendung ist allerdings tiefgreifendes Wissen im Bereich Data Science notwendig. Darüber hinaus muss der Data Scientist immer noch mit dem Applikationsexperten sprechen, um die gefundenen Zusammenhänge in den Daten ingenieurmäßig bezüglich des Maschinenverhaltens oder des Produktionsprozesses zu interpretieren. Zudem werden die Möglichkeiten des Machine Learnings mit dem immer breiter werdenden Spektrum größer – das macht es nicht einfacher, ohne spezifische Data- Science-Kenntnisse die bestmögliche Erstellung und Implementierung sowie die operative Anwendung von ML zu erreichen. Mit anderen Worten: die Erstellung von ML-Modellen ist zeitaufwändig und kostenintensiv in der Umsetzung. Die Idee von Weidmüller ist ein neuer Ansatz. Mit dem Weidmüller AutoML Tool werden die Domänenexperten befähigt, auf Basis ihres Applikationswissens eigenständig ML-Modelle zu erzeugen. Bei dem Softwaretool werden die notwendigen Schritte zur Erstellung von ML-Modellen für verschiedenste ML-Algorithmen automatisiert durchlaufen. Anschließend wird bestimmt, welche ML-Modelle relevante Maschinenzustände oder Prozesskriterien am robustesten erkennen. Die ML-Automatisierung betrifft dabei vor allem folgende Schritte: Datenimport, Datenanreicherung, automatisierte Modellerstellung und Modell-Deployment. Für die eigenständige, einfache Ausarbeitung von ML-Modellen führt das Software-Tool den Anwender durch den Prozess der Modellentwicklung, weshalb Weidmüller hier auch von „Guided Analytics“ spricht. Die Software hilft bei der Übersetzung und Archivierung des komplexen Applikationswissens in eine verlässliche ML-Anwendung. Dabei fokussiert sich der Experte auf sein Wissen zum Maschinen- und Prozessverhalten und verknüpft dieses mit den im Hintergrund ablaufenden Machine-Learning-Schritten. Hohe Zeitersparnis Durch diese ML-Automatisierung ergibt sich eine hohe Zeitersparnis für die Erstellung und den Vergleich von Modellen und Ergebnissen. Die Aufgaben können deutlich rationeller umgesetzt werden, was wertvolle Ressourcen spart. Gleichzeitig profitiert der Nutzer auch von den jeweils aktuellsten Entwicklungen aus dem Machine-Learning-Umfeld, die kontinuierlich in das Tool einfließen. Vor allem aber bietet das Tool einen entscheidenden Vorteil: die Analyse der Daten, die in der Regel vom Data Scientisten eines externen Partners oder aus dem eigenen Unternehmen durchgeführt werden muss, liefert das Tool. Es wird „lediglich“ gefüttert mit dem Applikations-Know-how des Experten. Mit anderen Worten: das Know-how über die Maschine und deren Anwendung fließt unmittelbar in die Modellbildung ein. Die Hoheit über Daten und Modelle bleibt im eigenen Unternehmen. Die AutoML-Lösung ermöglicht es praktisch jedem Applikationsexperten in der Industrie, ML-Modelle für verschiedenste Use Cases zu erstellen und einzusetzen. Foto: Weidmüller www.weidmueller.com 34 VERFAHRENSTECHNIK 06/2021 www.verfahrenstechnik.de

MESSEN, REGELN, AUTOMATISIEREN Optische Sensoren in Assistenzsystem Zur digitalen Hannover Messe 2021 hat IFM das digitale Werker- Assistenzsystem Mate vorgestellt, mit dem Handarbeitsplätze in der Produktion ausgestattet werden können. Das System basiert auf einer Erkennung der Hand mit einem 2-D-/3-D-Kamerasystem – dadurch sind keine störenden Accessoires am Handgelenk notwendig, wie sie bei anderen Systemen üblich sind. Die Erkennung der Hand, die auf Deep-Learning-Technologie basiert, ist zentraler Bestandteil des Systems. Ob der Werker Rechtsoder Linkshänder ist, spielt für die Erkennung ebenso wenig eine Rolle wie die Haltung der Hand. Das Assistenzsystem besteht aus einem Rechner mit Touchmonitor, der Software und einem optischen Sensor, der sowohl ein 2-D-Videobild als auch ein 3-D-Bild aufnimmt. Das Werker- Assistenzsystem kommt durch die Handerkennung im 2-D-Kamerabild ohne zusätzliche Hilfsmittel, wie VR-Brillen oder Tracker am Handgelenk, aus. Ein typisches Einsatzgebiet sind Handarbeitsplätze in der Verpackung. Die Qualitätssicherung bei solchen manuellen Arbeitsschritten ist im Vergleich zu digitalisierten Prozessen bisher schwierig. Mit dem neuen Werker-Assistenzsystem gelingt dies laut Anbieter sehr einfach. www.ifm.com/de Multigasmessung mit NDIR-Sensoren Prinzipbedingt zeichnen sich NDIR-Gassensoren durch ihre hohe Selektivität, Messgenauigkeit, Langzeitstabilität, niedrige Detektionsgrenzen, einen breiten Temperaturbereich, kurze Ansprechzeiten und eine sehr geringe Drift aus. Die Silarex-NDIR- Sensoren von Smartgas haben vier optische Kanäle in einem einzigen Sensor: Drei davon sind Messkanäle für die Erfassung von Gaskonzentrationen, der vierte Kanal ist die optische Referenz. So können laut Hersteller drei Gase parallel äußerst genau erfasst werden. Die Querempfindlichkeiten der parallelen Messwertbestimmungen werden direkt im Sensor herausgerechnet, sodass der Anwender bereits fertig aufbereitete und korrigierte Messwerte per Modbus ASCII / RTU zur weiteren Verarbeitung erhält. Eine mögliche Messgaskombination für die Emissionsüberwachung ist Kohlendioxid bis 20 Vol.-%, Stickstoffmonoxid bis 2 000 ppm und Schwefeldioxid bis 1 000 ppm. Auch Zweikanalversionen zur Messung von Kohlendioxid und Kohlenmonoxid mit speziellem Fokus auf industrielle Produktionsanlagen, Blockheizkraftwerke und Kraftwerke können realisiert werden. Die Sensoren arbeiten mit Versorgungsspannungen von 10–27 VDC sowie einer Durchflussrate von 0,1–1,0 l/min. Die durchschnittliche Leistungsaufnahme beträgt inkl. On-board-Heizung zur Temperaturstabilisierung ca. 7 W. www.smartgas.eu Höhere Applikationssicherheit bei der Durchflussmessung Zur Erhöhung der Applikationssicherheit stehen für das H250 M40 Schwebekörper-Durchflussmessgerät neben den elektronischen Gerätediagnosen jetzt zusätzliche Applikationsdiagnosen zur Verfügung. Die neuen Funktionen werden über intelligente Softwarealgorithmen für die Signalanalyse der Magnetfeldsensoren realisiert. Die bisherige NE107 Gerätediagnose wird damit um schwebekörperspezifische Applikationsdiagnosen erweitert: Das Gerät erkennt nun z. B. Blockaden des Schwebekörpers, die durch Verunreinigungen im Messstoff oder durch starke, wiederholte Druckschläge hervorgerufen werden können. Auch Pulsationen bei Flüssigkeitsmessungen mit Verdrängerpumpen oder Kompressionsschwingungen bei Gasmessungen werden erkannt. Sollte nach einer Wartung bzw. Reinigung der Schwebekörper falsch herum in den Messkonus eingebaut oder ganz vergessen werden, wird ebenfalls eine Meldung ausgegeben. Die Meldeschärfe der einzelnen Diagnosefunktionen kann nach Namur NE107 Klassen konfiguriert werden. Die neuen Funktionen erhöhen nicht nur die Applikationssicherheit, sondern ermöglichen bei entsprechenden Korrekturmaßnahmen eine Optimierung der Messgenauigkeit und der Lebensdauer der Schwebekörper-Durchflussmessgeräte. Eine Nachrüstung bei bestehenden Geräten ist durch einen Modultausch im Feld möglich. www.krohne.com Netzwerke intuitiv überwachen und konfigurieren Die neuen Lean-Managed-Switches ergänzen das Portfolio des Herstellers im Bereich Netzwerkinfrastruktur und bieten insbesondere für die Netzwerkdiagnose neue Funktionen. Die Switches gibt es mit acht oder 16 Kupferports, mit Übertragungsraten von bis zu 1 000 Mbit/s. Optional sind auch Geräte mit zwei zusätzlichen SFP-Slots (100/1 000 Mbit/s) erhältlich, die etwa für den Anschluss von Lichtwellenleitern genutzt werden können. Eine Version mit PoE-Funktionalität ermöglicht eine Energieversorgung von angeschlossenen PoE-Geräten bei einer schaltschranktypischen Versorgungsspannung von DC 24 V. Die Leistungsabgabe pro PoE-Port kann bis zu 30 W betragen. Besonderen Wert hat Wago auf eine intuitiv und einfach zu bedienende Benutzerschnittstelle gelegt. Mit dem Web-Based-Management können Installation, Inbetriebnahme und Diagnose auch ohne tiefgehende IT-Kenntnisse durchgeführt werden. Der Benutzer gibt in einem Standardbrowser die IP-Adresse des Switches ein und gelangt dann direkt in das Diagnose-Dashboard bzw. in die Netzwerkansicht (TopologyMap). Diese Diagnoseseiten der Lean-Managed-Switches ermöglichen eine schnelle Fehlersuche im System. www.wago.com www.verfahrenstechnik.de VERFAHRENSTECHNIK 06/2021 35

Ausgabe