Anlagenmodelle im Hintergrund aktualisieren
Prozess-Wartung ohne Projektcharakter
In Anlagen der Prozessindustrie ist Regelungstechnologie wie Advanced Process Control in vielen Fällen ein nützliches Werkzeug, um die Kundennachfrage zu bedienen und geschäftliche Ziele zu erreichen. Das Werkzeug Adaptive Process Control des Softwareanbieters Aspentech erweitert mit seinen Funktionen die Einflussmöglichkeiten von chemischen Unternehmen und Raffinerien.
Viele momentan eingesetzte Advanced Process Control-Anwendungen (APC) basieren auf der Annahme, dass das einmal entwickelte Modell stets genau und richtig strukturiert ist. Wenn sich jedoch die Anlagenleistung oder die wirtschaftlichen Ziele verändern, wandelt sich auch das Verhalten des Prozesses und untergräbt die ursprüngliche Annahme. Selbst anfänglich exakt eingestellte Regler verlieren über die Zeit ihre Prägnanz. Wenn Mängel im Modell auffallen, sollte die Feinabstimmung der Regler verändert werden, um negative Auswirkungen abzufedern. Verfahrenstechniker benötigen dafür umfassende Kenntnisse des Prozessverhaltens und der Prozesscharakteristiken. Das Softwarewerkzeug Aspen DMC3 von Aspentech bietet Unternehmen der Prozessindustrie mit dem Ansatz einer ‚Adaptive Process Control‘ Einflussmöglichkeiten hierzu. Im Zusammenspiel mit einer anwenderorientierten Modellierungsumgebung unterstützt die Lösung die schrittweise Modellentwicklung und -überprüfung etwa mit integrierten ökonomischen Abwägungen. Dadurch kann die APC-Wartung ihren Projektcharakter verlieren und stattdessen als fortlaufender Hintergrundprozess implementiert werden. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Dieser kann die Modellqualität bewerten, aktuelle Daten sammeln und, sobald sich das Anlagenverhalten über die Zeit ändert, neue Modelle generieren. Die Software ist als Antwort auf die Marktanforderung gedacht, die Probleme bei der Erstellung und Wartung von Regleranwendungen in den Griff bekommen zu müssen. Dazu soll das Werkzeug Probleme erkennen, isolieren und Probleme beheben, ohne den Arbeitsaufwand für die Mitarbeiter zu erhöhen. Dafür greift die Lösung in einigen Punkten auf langfristige Werte zurück: fortlaufende Genauigkeitsanalyse, Identifikation von leistungsschwachen Modellabschnitten, Erfassung neuer Prozessdaten durch unterbrechungsfreie Hintergrundüberprüfung bei der Verbesserung von Anlageneinheiten sowie Echtzeit-Überprüfung der Daten mit automatischer Erkennung und Entfernung von fehlerhaften Informationen. In vielen Ansätzen wurde der Regler innerhalb eines langwierigen und kostspieligen Projekts umgestaltet. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Gleichzeitig war es herausfordernd, die Anwendungen auf höchstem Niveau laufen zu lassen. Innerhalb des neuen Werkzeugs lässt sich der Regler über die Zeit mittels eines Hintergrundprozesses anpassen, ohne dass der Anlagenbetrieb unterbrochen werden muss. Mit der so verringerten Prozessvariabilität können Anlagen stetiger laufen, was sich langfristig auf die Profitabilität auswirkt. Die neue Reglertechnologie ist kompatibel zu gängigen Prozessleitsystemen und lässt sich in heterogene Umgebungen integrieren.
Anlagenperformance im Blick
Die Software beinhaltet zahlreiche Werkzeuge für die Reglererstellung und -wartung. Steuerungstechniker können damit das Reglerverhalten an den Anforderungen des Lebenszyklus einer Anlage anpassen – beispielsweise bei geänderten Anlagenleistungen oder wirtschaftlichen Vorgaben. Die erweiterte Modellidentifikation kann dazu beitragen, das Prozesswissen im Unternehmen zu vertiefen und Anwendungen zum Model Predictive Control (MPC) zielgerichtet einzusetzen. Eine integrierte Robustheitsfunktion ermöglicht es, selbst dann die Reglerleistung zu beeinflussen, wenn der Regler optimiert wird. Durch die Definition des Robustheitsfaktors kann die Aggressivität des Reglers durch Techniker so eingestellt werden, dass die Gefahr von minderwertigen Modellaufbereitungen begrenzt wird. Eine variable Skala ersetzt Entweder-oder-Entscheidungen, wodurch sich bei Konflikten zwischen technischen und wirtschaftlichen Aspekten Abwägungen treffen lassen. Anwender können zudem während des gesamten Lebenszyklus – vom Testverfahren über die Modellerstellung bis hin zur Anwendung – auf das Reglerverhalten einwirken.
