Während meiner digitalen Transformationsreise zusammen mit unseren Kunden erhalte ich jede Menge Fragen. Erst kürzlich bin ich dabei auf eine neue Herausforderung gestoßen:
“Wie kann ich meinen Daten vertrauen?”
Die Frage unserer Kunden klingt simpel und ist doch von großer Bedeutung. Mit der Einführung neuer Technologien wie Machine Learning (ML) und langfristig Artificial Intelligence (KI) werden wir immer mehr von unseren Prozessdaten abhängig.
Woher wissen wir, ob die erhobenen Prozessdaten korrekt sind? Was ist, wenn es sich um Messfehler handelt? Messungenauigkeiten? Haben wir wirklich alle Daten gesammelt? Denn in der Praxis ist es oft folgendermaßen: Sobald die Daten sich im “System” befinden, werden sie oft als wahr angesehen und nicht mehr validiert.
Eine alternative Formulierung für den Begriff “Vertrauen” ist “Integrität”, in diesem Zusammenhang: “Datenintegrität”. Datenintegrität bezieht sich auf die Vollständigkeit, Genauigkeit und Konsistenz der Daten. In der Pharmaindustrie ist es bereits seit Jahren von entscheidender Bedeutung, dass die Endprodukte den geforderten Qualitätsstandards entsprechen. Datenintegrität ist für die Prozessindustrie eher neu, wird aber wie bereits erwähnt immer wichtiger.
Die Validierung von Prozessdaten
Die Validierung der Prozessdaten beginnt am Messgerät. Die Zuverlässigkeit und Integrität der Messdaten kann erhöht werden durch:
Option Nummer 1: Verwendung mehrerer Sensoren für die gleiche Messung oder
Option Nummer 2: Verwendung der proaktiven Sensordiagnose.
Mehrere Sensoren
Herkömmliche, mehrfache Sensoren sind aus finanziellen Gründen oft nicht möglich. Sofern es sich nicht um Sicherheit handelt, entscheiden sich Unternehmen nicht für den Kauf mehrerer Sensoren zur Messung. Der Grund für diese Entscheidung ist einfach: Ein Sender (Kosten: 500 Euro), der in der Steuerung verkabelt, angeschlossen, konfiguriert und für verschiedene Nutzer zur Verfügung gestellt wird, endet in einer Gesamtrechnung von 5000,- Euro oder mehr.
Schon bald wird es einen Wendepunkt geben. Die Erhöhung der Zuverlässigkeit der Messdaten wird sich mit der Einführung des Industrial Internet of Things (IIoT) mit einfacher Installation und Anbindung ändern. Wie wird die zukünftige Situation aussehen? Stellen Sie sich vor, alle Manometer würden durch IIoT-Geräte ersetzt und über LoRaWAN mit der Cloud verbunden. Sie würden dem Anwender direkt zur Verfügung stehen. Auf diese Weise können Daten durch Mehrfachmessungen einfach und kostengünstig verifiziert werden.
Sensordiagnose
Die bestehende Alternative ist die proaktive Wartung. Die Technologie zur Unterstützung der proaktiven Instandhaltung ist vor allem nach der Einführung des Device Type Manager (DTM) / Field Device Technology (FDT) bereits seit langem verfügbar. Der Wechsel von der vorbeugenden Instandhaltung zur proaktiven Instandhaltung ist jedoch ein kultureller Wandel und kein technischer Wandel. Ich habe viele Unternehmen gesehen, die Anlagenerhaltungssysteme kaufen, um Zugang zum DTM von Feldgeräten zu erhalten, aber ich habe nur wenige Unternehmen gesehen, die in der Lage waren, den tatsächlichen kulturellen Wandel zu vollziehen und die Anlagenerhaltungssysteme proaktiv zu nutzen. Es ist meine feste Überzeugung, dass proaktive Wartung die Zukunft ist, weil Zuverlässigkeitsmanagement, Sicherheitsmanagement und natürlich Datenintegrität die Zukunft sind.
Sobald ein Feldgerät einen Fehler anzeigt, sammelt das Prozessleitsystem weiterhin die Daten und leitet sie an das Datenhistorikersystem weiter. Sobald sich die Daten im Datenhistorikersystem befinden, wird es immer schwieriger, die Datenintegrität zu überprüfen. Dies kann teilweise durch ein Qualitätskennzeichen gelöst werden. In der Steuerung können die Datenbedingungen schlecht, verdächtig oder gut definiert werden. Daten außerhalb des Bereichs können als schlecht angesehen werden, Daten mit bestimmten Alarmen können als verdächtig angesehen werden und ansonsten werden die Daten als gut angesehen. Dieses Qualitätsmerkmal kann bei jeder Datenübernahme hinzugefügt werden, um die Daten im Datenhistorikersystem zu validieren.
Produktionsbuchhaltung
Eine dritte Möglichkeit, die Datenintegrität auf Sensorebene zu überprüfen, ist die Produktionsbuchhaltung oder auch Ertragsrechnung genannt.
Das Herzstück dieser Systeme ist ein Massenbilanzmodell, das aus Knoten und Verbindungen besteht, die den gesamten Standort einschließlich Prozesseinheiten, Lagertanks und aller Ströme, die Teil der Produktbewegungen sind, darstellen. Die Eingaben für das Produktionsabrechnungssystem stammen automatisch aus verschiedenen Quellen, wie z.B. Prozessleitsystemen, Datenhistorikersystemen, Laborinformationsmanagementsystem und automatisierter Tankmessung. Sobald alle Daten im System sind, können mittels eines Modells und ausgefeilter mathematischer Routinen Massenungleichgewichte erkannt werden. In den meisten Fällen beziehen sich diese Ungleichgewichte auf falsche oder ungenaue Messungen. Bei täglicher Nutzung des Produktionsabrechnungssystems erhält die Instandhaltung täglich Anweisungen in Bezug auf Feldgeräte, die zu möglichen Fehlmessungen führen. Die Kalibrierung oder Reparatur dieser Feldgeräte führt zu genaueren Messungen, die natürlich die Datenintegrität erhöhen.
Datenintegrität braucht einen Bewusstseinswandel
Obwohl es Datenintegrität schon seit langem gibt, hat sie durch die Verwendung von Daten für verschiedene Zwecke an Bedeutung gewonnen. Die Technologie zur Erhöhung der Datenintegrität ist verfügbar, jetzt muss sich nur noch die Kultur ändern, um dies zu erreichen. Fühlen Sie sich bereit für den Wechsel?
