Volltreffer

Manufacturing Intelligence

„Golden Batch“ nennen Chemiker ein perfektes Ergebnis. Eine Charge, bei der alles stimmt. Von den Spezifikationen bis zum Energieverbrauch. Der Weg zu einem solchen Volltreffer kann beschwerlich sein. Ein Expertenteam von Bayer Technology Services und Crop Science kürzt ihn ab – mit einer intelligenten Auswertung von Prozessdaten

Verwirrende Vielfalt an Möglichkeiten: Auch in der chemischen und pharmazeutischen Produktion können viele Stellschrauben bewegt werden, um auf Gold zu stoßen

Hobbyköche kennen das: Mal gelingt ein Essen hervorragend – und dann wieder nicht. Warum das Ergebnis nicht immer identisch ist, kann viele Gründe haben: Größe und Sorte der Kartoffeln etwa, Temperatur des Wassers, Menge des Salzes – all das variiert. Und hat Auswirkungen auf das Ergebnis. Natürlich könnte man über all diese Faktoren Buch führen – so ließe sich ein perfektes Ergebnis ständig wiederholen. Aber welcher Hobbykoch tut das schon?

In der chemischen und pharmazeutischen Industrie wird ein perfektes Ergebnis „Golden Batch“ genannt. Die optimale Charge. Selbstverständlich erfüllen auch die übrigen Chargen, die den Kunden geliefert werden, sämtliche Spezifikationen. Reinheit, Schmelzpunkt, Feuchtegehalt – alles entspricht exakt den Vorgaben. Und trotzdem können sich die Chargen durchaus voneinander unterscheiden. Etwa in Bezug auf Herstellungszeit und Energieverbrauch. Da geht es zwar nur um winzige Unterschiede, auf Dauer jedoch machen auch die sich bemerkbar.

Aber wie macht man ein Produkt zu einer „goldenen Charge“? Liegt es daran, dass man vor dem Aufheizen eine Minute länger rührt und die Ausgangsstoffe dadurch besser vermischt? Oder ist das Entscheidende, dass man das Ventil X erst zum Zeitpunkt Y öffnet und der hohe Druck somit etwas länger bestehen bleibt?

Es gibt unzählige Stellschrauben in einem chemischen Prozess. Anlagenfahrer mit Training und fundierter Erfahrung wissen das. Und genau deshalb sind ihr Know-how und auch ihr Bauchgefühl in jedem Betrieb so wertvoll. Doch natürlich wäre es schön, mit objektiven Kriterien eine optimale Prozessführung sicherzustellen. Für diesen Zweck baut Crop Science derzeit ein zentrales Prozessdatenarchiv auf – das Production Information Center (PIC). Unterstützt wird das von Dr. Karsten-Ulrich Klatt geleitete Projektteam dabei von Experten aus dem Bereich Manufacturing IT (MIT) von Bayer Technology Services.

Zu diesen gehört auch Martin Schmitz. Manufacturing Execution Systems (MES) heißt der Bereich innerhalb von MIT, in dem er arbeitet. Für Schmitz ist es dabei gar nicht so wichtig, welche Chemikalien sich in einem Reaktor befinden oder wie diese miteinander reagieren. Schmitz ist Informatiker. Ihn interessieren Daten. „Daten sind Schätze“, weiß Schmitz. Vorausgesetzt, man kann sie richtig analysieren und daraus Informationen gewinnen, die nicht sofort offensichtlich sind. Genau dies soll das PIC den Prozessexperten in den Produktionsbetrieben bei Crop Science zukünftig ermöglichen. Karsten-Ulrich Klatt ist derzeit einer der wichtigsten Kunden von Schmitz. 

„Wir wollen zu jeder Zeit optimal produzieren. Zusammen mit Bayer Technology Services kommen wir diesem Ziel stetig näher“

Dr. Karsten-Ulrich Klatt

Manufacturing Systems Technology, Crop Science

Wie in vielen anderen Lebensbereichen fallen auch in der chemischen Produktion riesige Datenmengen an. Jede Pumpe, jedes Ventil, jeder Temperaturfühler, jeder Drucksensor – sie alle liefern permanent Werte. Normalerweise arbeitet das Leitsystem, mit dem der jeweilige Prozess geregelt wird, mit diesen Daten. Künftig werden sie bei Crop Science immer auch im PIC abgelegt. Dort möchten die Experten im Projektteam sie unter anderem mit den Daten aus Batchsystemen und Qualitätskontrolle zusammenführen. „Auf diesem Weg wollen wir den Prozessbedingungen für die Produktion von ‚Golden Batches‘ Stück für Stück näherkommen“, erklärt Klatt.

Aber nicht nur das: Auch Prozessbedingungen, die zu Fehlchargen führen können, sollen so aufgespürt werden. In der Praxis kommt es nämlich immer mal wieder vor, dass zum Beispiel eine Reaktortemperatur kurzzeitig den Normbereich überschreitet. „Wenn man Pech hat, ist der Ansatz dann hinüber – und muss entsorgt werden“, erklärt Schmitz. Um das zu verhindern, suche man nach typischen Hinweisen, die einem unerwünschten Temperaturanstieg vorangehen. Einem Muster im Temperaturverlauf zum Beispiel. Oder einer bestimmten Rührereinstellung, einer markanten Rohstoffeigenschaft, einer besonderen Außentemperatur. Zusammenhängen also, die erst ein tiefer Blick in die Daten sichtbar macht.

Eine solche komplexe Bewertung braucht intelligente Methoden, um sie bewältigen zu können. „Wir stellen daher IT-basierte Lösungen bereit, mit denen wir auch in gigantischen Datenmengen typische Muster entdecken“, sagt Schmitz. Ist ein solches Muster bekannt, kann man künftig frühzeitig in das Prozessgeschehen eingreifen und zum Beispiel einen Temperaturanstieg im Reaktor vermeiden – idealerweise automatisch über das Prozessleitsystem.

Martin Schmitz (l.) von Bayer Technology Services und sein Projektpartner Dr. Carsten Welz von Crop Science
Ein eingespieltes Team: Martin Schmitz (l.) von Bayer Technology Services und sein Projektpartner Dr. Carsten Welz von Crop Science

Manufacturing Intelligence nennen Experten wie Klatt und Schmitz diesen Ansatz, bei dem aus Daten Informationen gewonnen werden, die sich wiederum für konkrete Handlungsanweisungen nutzen lassen. Sie sprechen auch gerne von „Smart Data“ und meinen damit eine Weiterentwicklung von „Big Data“. Denn die Daten werden nicht einfach nur gesammelt, sondern eben auch intelligent (smart) bewertet. In der Produktoptimierung ist dieser Ansatz noch recht neu. Bei Teildisziplinen wie dem Lifecycle-Management von Anlagen oder einzelnen Teilen hat sich die Datenanalyse schon bewährt. Was sie dort leistet, zeigt ein Beispiel aus einem Bayer-Betrieb, in dem Drucksensoren ohne erkennbaren Grund auffällig häufig ihren Dienst einstellten. Erst die umfangreiche Auswertung von Anlagendaten deckte auf: Verantwortlich waren Druckschwankungen in einem Rohrsystem, ausgelöst durch häufiges Öffnen und Schließen der Ventile.

Das Projektteam, zu dem auch Dr. Carsten Welz von Crop Science gehört, denkt weit über die einzelne Anlage hinaus. So soll der Manufacturing-Intelligence-Ansatz bei Crop Science von Anfang an global sein. Im PIC werden einmal Prozess- und andere Daten von rund 30 Standorten in aller Welt zusammenkommen. Das ist nicht trivial. Zum einen sind die Standortsysteme, aus denen PIC Daten bezieht, sehr unterschiedlich. Zum anderen muss der globale Datentransfer jederzeit sicher erfolgen. In einem Jahr sollen alle Daten im PIC verfügbar und mit den dort bereitgestellten Werkzeugen analysierbar sein.

Dann werden die Prozessexperten in allen angeschlossenen Produktionsbetrieben von Crop Science in der Lage sein, die Prozessbedingungen Schritt für Schritt in Richtung „Golden Batch“ zu optimieren. „Bayer wird dank Smart Data einige Volltreffer landen können“, freut sich Schmitz. „Und wenn aus dem Datenschatz am Ende wirklich goldene Chargen werden, bedeutet das auch echtes Geld.“ Karsten-Ulrich Klatt formuliert seine Erwartungen nüchterner: „Wir wollen zu jeder Zeit optimal produzieren. Zusammen mit Bayer Technology Services kommen wir diesem Ziel stetig näher.“ 

0 Kommentare
Kommentieren
0 Kommentare
Die mit (*) gekennzeichneten Felder sind Pflichtfelder.
24
Ihre Meinung? Jetzt kommentieren