Fallstudien
Ein Kraftwerk verbraucht einen Teil der Elektrizität, die es produziert, für seinen eigenen Betrieb. Vor allem die Pumpen des Kühlsystems und die Ventilatoren im Kühlturm verbrauchen viel Strom. Es würde die tatsächliche Effizienz des Kraftwerks erhöhen, wenn man den internen Stromverbrauch reduzieren könnte.
Im Kraftwerk, um das es hier geht, gibt es sechs Pumpen (je zwei Pumpen mit 1100 kW, 200 kW und 55 kW Energiebedarf) und acht Ventilatoren mit jeweils 200 kW Energiebedarf.
Wir können den internen Stromverbrauch dadurch beeinflussen, dass wir diese Pumpen und Ventilatoren nach Belieben ein- oder ausschalten – natürlich mit der Einschränkung, dass das Kraftwerk als Ganzes seine ihm zugedachte Funktionen erfüllen muss. Eine weitere Einschränkung ist die Maßgabe, nach der eine Pumpe nur dann ein- bzw. ausgeschaltet werden kann, wenn innerhalb der jeweils letzten 15 Minuten keine Umschaltung (aus oder ein) erfolgte. Diese Vorgabe soll ein zu häufiges Ein- und Ausschalten verhindern.
Eine Pferdekopfpumpe ist eine relativ einfache Apparatur, die auf der ganzen Welt zur Ölförderung eingesetzt wird (siehe Schaubilder 1 und 2). Dabei wird ein Loch in den Erdboden gebohrt, das anschließend mit einer Art Mantel auszementiert wird, was ein schönes senkrechtes Bohrloch ergibt, in das nun eine Eisenstange eingeführt wird, die sich dank einer mechanischen Vorrichtung auf- und abbewegt. Diese nennen wir Kolbenstange (engl. pump rod). Am Ende der Stange befindet sich der Kolben (engl. plunger), ein flaschenartiger Zylinder, mit dem Öl transportiert wird. Am Ende der Abwärtsbewegung wird der Kolben mit Rohöl gefüllt, und am Ende der Aufwärtsbewegung wird das Öl vom Kolben in die Öltonnen geleert.
Die Spritzgusstechnik ist eine weit verbreitete Technologie zur Massenproduktion von Bauelementen mit komplexer Geometrie. Nahezu jedes Material kann mit dieser Technologie verarbeitet werden. Bei Kunststoffen wird pelletiertes (fragmentiertes) Material in eine hohle Gussform (=Kavität: also die negative Außenform des herzustellenden Teils) eingepresst und dann bei hoher Temperatur geformt. Das Teil wird anschließend gekühlt und ausgeworfen.
Wir schlagen hier vor, gängige Benchmarking-Studien durch eine Methode zu ergänzen bzw. zu ersetzen, die wir Self-Benchmarking nennen. Beim Self-Benchmarking wird der gegenwärtige Zustand einer Industrieanlage mit dem Zustand derselben Anlage in der Vergangenheit verglichen. Die beiden Zustände sind gut miteinander vergleichbar, sodass man Veränderungen sehr viel besser nachvollziehen kann. Dieser Ansatz basiert auf der Methode des Data-Mining, einer Methode, die zudem regelmäßig wiederholt und automatisiert werden kann. Sie ist darum schneller, kostengünstiger und aussagefähiger als reguläres Benchmarking. Am Beispiel der Wartung in der chemischen Industrie veranschaulichen wir, dass dieser Ansatz sehr nützliche und praktische Ergebnisse für die Chemieanlage hervorbringt.
Die Turbine ist der wichtigste Teil eines Kraftwerks. Der Betriebsausfall einer Turbine kann zu lang anhaltenden Betriebsstörungen einer ganzen Anlage führen. Es ist deshalb von besonderer Bedeutung, eine Turbine auf irgendwelche Zeichen für abnormales Verhalten zu kontrollieren, indem man an bestimmten Schlüsselpositionen der Turbine verschiedene Sensoren anbringt. Die wichtigsten Informationen über die Funktionsfähigkeit einer Turbine kann man an den Vibrationsmessungen ablesen. Alle von den Sensoren ausgestoßenen Messdaten werden in einer Datenbank gespeichert und stehen für weitere Untersuchungen zur Verfügung. Um einen teuren Produktionsstillstand durch einen unvorhergesehenen Turbinenausfall zu vermeiden, ist es also sinnvoll, jedes abnormale Verhalten einer Turbine anhand des Datenbestandes laufend zu überwachen.
In dieser Studie werden wir zeigen, dass es möglich ist, den Ausfall einer Turbine aufgrund vorliegender Messdaten vorherzusagen. Von einer bestimmten Turbine riss sich eine Schaufel los und beschädigte dadurch die ganze Turbine. Umfangreiche und teure Reparaturen und Austausch von Ersatzteilen waren notwendig. Nach diesem Ereignis kam die Frage auf, ob dieser Turbinenausfall hätte vorausgesehen und möglichst auch verortet werden können (und ob er sogar hätte verhindert werden können)?
Eine chemische Anlage beinhaltet ein Element, in dem mehrere Chemikalien aus einer Anzahl von Zuleitungen zusammenfließen, um ein gasförmiges Endprodukt (engl. „tailgas“) zu gewinnen, dessen Zusammensetzung so konstant wie möglich sein soll. In unserem besonderen Fall wird diese Aufgabe von einem Aggregat von 40 Ventilen bewerkstelligt, die – von einem Computer gesteuert – entsprechend einem wohldurchdachten Zeitplan geöffnet und geschlossen werden. Öffnen und schließen die Ventile nicht entsprechend diesem Zeitplan, öffnen und schließen sie sich zu schnell oder zu langsam oder sind sie undicht, so wird die Zusammensetzung des Endproduktes nicht konstant sein und kann im Verlauf des weiteren Prozesses Probleme verursachen. In dieser Studie zeigen wir, wie zukünftige Probleme vorhergesagt und problembehaftete Ventile identifiziert werden können, die als Verursacher einer schlechten Endprodukt-Mischung in Frage kommen.
Die Effizienz und Wirtschaftlichkeit einer chemischen Werksanlage kann durch mathematische Modellierung optimiert werden. Die Optimierung erlaubt den Bediensteten der Anlage, solche Einstellungen (Soll-Werte) vorzunehmen, die eine maximale Wirtschaftlichkeit erreichen. Diese Methode erfordert keinerlei technische Modifikationen der Anlage. Wir werden zeigen, dass in einer Silan-produzierenden Chemieanlage eine Verbesserung der Wirtschaftlichkeit um ca. 6% möglich ist. Die Produktionsmenge konnte um 5,1% insgesamt und die des gewinnträchtigsten Endproduktes um 2,9% gesteigert werden.
In einem katalytischen Reaktor werden mindestens zwei Stoffe miteinander in Verbindung gebracht. Der erste Stoff ist der, den wir auf chemischem Wege umzuwandeln versuchen; und der zweite Stoffe ist der Katalysator, der diese Umwandlung zuwege bringen soll. Die beiden Stoffe werden gemischt und erhitzt, um die Energie zu generieren, die für die Umwandlung nötig ist. Es ist auch erforderlich, Rohrleitungen zu legen, damit die Stoffe in den Reaktor hineingeleitet werden können und das Endprodukt dann den Reaktor verlassen kann. Einige Substanzteile, die nicht umgewandelt wurden, müssen wieder in den Kreislauf des Reaktors zurückgeführt werden – für eine zweite, dritte Runde oder noch mehr Zyklen, bis der erste Stoff vollständig umgewandelt ist. Ein Beispiel für einen solchen Prozess ist das Aufbrechen der langen Molekülketten eines Rohöls, um daraus Benzin zu gewinnen.
Wie bereits angedeutet, wirkt der Katalysator auf den ersten Stoff ein, um die Umwandlung zu veranlassen. Indem er dies tut, altert er aber mit der Zeit und verliert seine Fähigkeit, die Umwandlung herbeizuführen. Diese Deaktivierung des Katalysators ist das Hauptproblem, mit dem sich der Betreiber des Reaktors langfristig konfrontiert sieht. Der Katalysator muss deshalb von Zeit zu Zeit irgendwie reaktiviert werden.
Die Effizienz des Heizkraftwerks Reuter-West in Berlin kann um 1,1% gesteigert werden, wenn bei Betriebsabläufen mathematische Modellierungen zum Einsatz kommen.
Die Effizienz des Vattenfall-Kraftwerks Reuter-West in Berlin hängt davon ab, wie die verschiedenen Arbeitsabläufe ausgelegt sind. Während viele kleinere Prozesse dank unterschiedlichster Technologien automatisch ablaufen, wird der Prozess insgesamt von menschlichen Anlageführern kontrolliert. Deshalb hängt die maximal-mögliche Effizienz des Kraftwerks teilweise von den Entscheidungen, dem Wissen und der Erfahrung der Anlagenfahrer ab. Für sie stellen sich vor allem zwei Herausforderungen:
Die Wartungsabteilung eines großen chemischen Werks mit mehreren Fabrikanlagen sieht sich vor dem Problem der zukünftigen Budgetplanung gestellt. In diesem besonderen Fall werden wir die letzten zehn Jahre analysieren. Während der ersten fünf Jahre wurde die Wartung hausintern betrieben, während der nächsten fünf Jahre wurde die Wartung hingegen an einen Dienstleister ausgegliedert. Dieser Dienstleister hatte einen Vertrag über einen Festpreis, für den alle notwendigen Wartungsarbeiten so durchgeführt werden mussten, dass für die jeweiligen Anlagen eine Mindestverfügbarkeit (oder besser) aufrechterhalten werden sollte. Für die ersten fünf Jahre stehen uns alle relevanten Daten, ob technischer oder wirtschaftlicher Art, zur Verfügung. Für die zweiten fünf Jahren haben wir immerhin noch die technischen Daten verfügbar.
Bei einem großen Europäischen Großhandelsanbieter finden Hoteliers, Gastronomen, Caterer, Kantinen, kleine und große Einzelhändler sowie Dienstleister und Unternehmen aller Art alles, was sie für ihren täglichen Betrieb benötigen. Jeder Kunde hat eine Mitgliedsnummer und -karte, dank derer es dem Großhändler möglich ist, jeden verkauften Gegenstand einem bestimmten Kunden zuzuordnen.
Im Allgemeinen verstehen wir unter Kundensegmentierung, dass Kunden sinnvollen Gruppen zugeordnet werden, etwa nach Branche/Beruf oder nach Kaufverhalten. In unserem speziellen Fall können wir die Kunden in die Gruppen einteilen, weil wir ihre Geschäftsidentität kennen. Diese Art von Erkennungsprogramm wird von vielen Einzelhändlern bei Treueprogrammen eingesetzt, dank derer die Kunden es dem Einzelhändler ermöglichen, ihre Identität dem Einkauf bestimmter Produkte zuzuordnen.
Ölplattformen versagen zuweilen und benötigen Reparaturen, wenn z.B. eine Pumpe ausfällt. Sind Ersatzteile nicht sofort verfügbar, kann dies unerwünschte Ausfallzeiten bedeuten, die aufgrund der entgangenen Förderung und der Reparaturkosten teuer werden. Wir werden zeigen, wie diese Kosten reduziert werden können, indem wir den Zustand der Pumpen bis zu vier Wochen im Voraus vorhersagen, so dass präventive Wartungsmaßnahmen vorbereitet werden können. Dies ist möglich, indem wir ein mathematisches Modell des Pump-Vorgangs erstellen. Dazu bedienen wir uns der automatischen „Machine Learning“ Methode. Diese Methode wurde bei Flachwasser-Ölplattformen im Dagang-Ölfeld in China angewandt, das eine Fläche von 34.629 km2 umfasst. Wir befassten uns mit Daten von fünf Ölquellen einer Flachwasser Ölplattform, die von PetroChina betrieben wird.
Eine Fertigungsanlage stellt per Fließband viele Autoteile her. Dazu sind zahlreiche Produktionsstellen nötig, die jeweils einen Schritt im Produktionsablauf darstellen. An verschiedenen Stellen entlang der Anlage gibt es Prüfstände, die für jedes produzierte Teil eine Reihe von Überprüfungen vornimmt. Stellt sich heraus, dass ein Teil fehlerhaft ist, wird es entsprechend gekennzeichnet und im weiteren Verlauf der Anlage nicht weiter bearbeitet. Schafft es ein Teil bis zum Ende der Anlage, ohne als fehlerhaft gekennzeichnet worden zu sein, ist es per definitionem ein gutes Teil, weil es sämtliche Überprüfungen überstanden hat.
Ist ein Teil fehlerhaft, wissen wir – aufgrund der entsprechenden Kennzeichnung – auch den Grund dafür. Kein Fertigungsprozess ist vollkommen, sodass wir stets mit einer Anzahl von fehlerhaften Teilen rechnen müssen. Natürlich möchten wir die Zahl solcher Ausschussteile so klein wie möglich halten. Aus diesem Grund wollen wir so schnell wie möglich reagieren können, wenn die Fertigungsanlage – aus welchen Gründen auch immer – plötzlich mehr fehlerhafte Teile produziert als üblich. Wir möchten aufgrund der verfügbaren Kontrolldaten jederzeit informiert werden, ob sich die Wahrscheinlichkeit der Anlage, fehlerhafte Teile zu produzieren, in jüngster Zeit – egal aus welchem Grund – erhöht hat.
Windkraftwerke fallen manchmal wegen diverser mechanischer Defekte aus und müssen entsprechend gewartet werden. Diese Wartungsarbeiten sind aufgrund von Beschaffungsproblemen und Verzögerungen teuer – besonders bei Offshore-Anlagen, aber auch bei Onshore-Anlagen. Ausfälle passieren beispielsweise häufig bei unzureichendem Schmiermittel oder bei Kugellager-Schäden. Solche Defekte kann man an den gemessenen Vibrationsmustern ablesen, wenn man diese Signale sachgemäß analysiert.
Es ist möglich, dynamisch sich entwickelnde Alterungsvorgänge einer Anlage im Modell als mathematische Formeln abzubilden, sodass ein zukünftiger Ausfall berechnet und zuverlässig vorhergesagt werden kann. Beispielsweise können wir sagen, dass ein Kugellager innerhalb von 59 Stunden ausfallen wird, wenn und weil die Vibration eine bestimmte Höchstgrenze überschreitet. Eine solche Information ermöglicht es den Betreibern, Wartungsarbeiten im Voraus zu planen, um so weitere Kollateralschäden und längere Ausfallzeiten zu vermeiden.
Wenn in einem Kernkraftwerk die Vibrationen einer Turbinenachse ein gewisses Höchstmaß überschreiten, sprechen wir von einer Vibrationskrise. Eine solche Vibrationskrise stellt noch keine reale Beschädigung dar, könnte aber – sofern sie nicht eingedämmt wird – zu einem größeren Betriebsausfall führen. Die genauen Ursachen des Problems können gegenwärtig noch nicht näher bestimmt werden, aber Vibrationskrisen ereignen sich offenbar immer unter denselben Bedingungen, namentlich bei einem bestimmten Vakuumdruck und bei einer bestimmten Vakuumleistung – zwei wesentliche Messwerte der Anlage.
Diese Studie befasst sich mit der Vorhersage von zukünftigen Vibrationskrisen; nicht jedoch mit der Frage, welcher Mechanismus solche Vibrationen verursachen könnte. Wenn man Stunden vorher sagen könnte, wann eine Krise eintritt, würde dies den Anlagenfahrer die Lage versetzen, Gegenmaßnahmen zur Verringerung der Vibration zu ergreifen.
Die üblichen Betriebsüberwachungen analysieren gewöhnlich jede Sensormessung separat, indem sie fest vorgegebene Begrenzungsinformationen auswerten. Daraus ergeben sich entweder falsche Warnmeldungen bei guten Zuständen oder es wird, umgekehrt, bei schädlichen Zuständen oft kein Alarm ausgelöst. Anders die intelligente Betriebsüberwachung (engl. Smart Condition Monitoring): Mit Hilfe von Techniken des maschinellen Lernens kann man die riesigen Datenmengen einer großen Maschine bzw. einer ganzen Werksanlage als eine kohärente Einheit analysieren und Schlussfolgerungen hinsichtlich ihres jeweiligen Gesamtzustandes ziehen. Zuerst wird aus den jeweils bereits vorhandenen relevanten Messungen ein mathematisches Modell erstellt, das die Maschine bzw. Anlage als eine gut funktionierende Einheit darstellt. Dann kann dieses optimal funktionierende Modell (bzw. dieser optimale Wert) mit dem jeweils aktuellen Zustandswert verglichen werden. Stimmen beide überein, befindet sich die Maschine (respektive die Anlage) in einem wünschenswerten, optimalen Gesamtzustand. Stimmen die beiden Werte nicht überein, wird ein Alarm ausgelöst, so dass eine Wartung zu erfolgen hat. Diese Methode ist weitaus erfolgreicher als die übliche Betriebsüberwachung. Die intelligente Überwachung verhindert falschen Alarm und Warnmeldungen werden nur bei wirklich schadhaften Zuständen herausgegeben.
