Fallbeispiel Energy Management in der Produktionswirtschaft Einsparungspotential mit datenorientierter Analyse und Big Data Technologien Big Data Summit 2016 Hanau, 25. Februar 2016 Dr. Christian von Toll – Weidmüller Gruppe Dr. Martin Strohbach – AGT International Agenda Ganzheitliches Energiemanagement Energy Analytics Interaktive Use Case Demo Energy Analytics Architecture Wie definieren wir Industrie 4.0? Energiemanagement – Schritt zur energieeffizienten, intelligenten Fabrik Messdaten erfassen, verdichten und archivieren Energieeffizienz bewerten Einsparpotentiale über Algorithmen identifizieren Handlungsempfehlungen Steuerung Kontinuierlichen Verbesserungsprozess etablieren 3 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Absprunghöhe – Ganzheitliches Energiemanagement Aus der Produktion. Für die Produktion. Als produzierendes Unternehmen ist Weidmüller Mitstreiter und Kunde zugleich Die transparenten Fabrik Datamining auf verschiedenen Messebenen Bedürfnisse und Probleme der Kunden erörtern Bidirektionale Kommunikation Unsere Philosophie Von der Produktion für die Produktion Transparenz Lösungsorientiert 4 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Energy Analytics – Bedarf für digitale Helfer im Energiemanagement Fertigungsleiter: „Dass Maschinen über das Wochenende noch laufen, kommt regelmäßig vor.“ „Von besonderem Nutzen für die Produktion wäre eine Software, die Verschleiß oder Defekte anhand der Energiedaten frühzeitig erkennt.“ Interner Energiemanager: „Große Einsparungen würden sich über eine bessere Synchronisation von Fertigung und Gebäudetechnik generieren.“ Presse: „Die Industrie 4.0-Vision [entwickelt sich] heute in einem Tempo, mit dem viele Unternehmen im fertigenden Mittelstand nicht schritthalten können.“ EM-Kunde: „Ein umfangreiches System, dessen Analyse sich ausschließlich auf Energiedaten stützt, wäre auf dem Markt einzigartig und könnte insbesondere für KMU interessant werden, da diese eine Umsetzung von MES nicht finanzieren können.“ Ein System, dass die o.g. Anforderungen miteinander verknüpft und praxisorientiert ist, bietet für den Kunden große und einfach zu erschließende Einsparpotenziale. 5 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Energy Analytics Energiedaten… -aufnahme -aufbereitung -speicherung -visualisierung Energy Management Big data availabilty Algorithmen identifizieren Muster und Anomalien Identifizieren Einsparpotentiale Energy Analytics 6 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Energy Analytics - Bausteine I II … 7 Peak-load Analytics Die Weidmüller Lösung kann durch die Analyse historischer Daten mögliche Lastspitzen vorhersagen und Optimierungspotenzial aufzeigen Hinweis Weidmüller Analytics Dashboard Zusätzlich Info per SMS/eMail Anomaly Detection Über die Energiedaten identifiziert die Weidmüller Lösung Maschinen, die wegen z.B. Verschleiß oder zukünftigem Defekt außerhalb des eingestellten Regelbetriebs laufen Warnung … … Big Data Summit 2016, Hanau, 25. Feburar 2016 Warnung Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Weidmüller Analytics WDU 2.5 noch in Betrieb. Bitte vor Schichtende ausschalten. Energy Analytics – Peak-load Analytics Weidmüller Solution 5.000 kW Powered by AGT Advanced Analytics 4.500 kW Netznutzung 4.000 kW 3.500 kW 3.000 kW Höchste Lastspitze 2.500 kW Lastspitzen in kW 2.000 kW 1.500 kW Dashboard Zeit 1.000 kW 500 kW Case – Berechnung der Ersparnis durch das Peak-load Analytics Gewählte Lastspitzengrenze 4.350 kW Grenzüberschreitende Lastspitzen pro Halbjahr 9 Stück Lastspitze am 26.01.2015 um 11:30 Uhr 4.682 kW Ersparnisrelevant 332 kW Ersparnispotenzial durch Peak-load Analytics kW x 90,12 €/kW = 29.920 €/Jahr Vorhersage: Erhöhtes Risiko einer Lastspitze Ausschalten leistungsträger Maschinen Netznutzung 06.01.15 12.01.15 17.01.15 23.01.15 29.01.15 03.02.15 09.02.15 15.02.15 20.02.15 26.02.15 04.03.15 09.03.15 15.03.15 21.03.15 26.03.15 01.04.15 07.04.15 12.04.15 18.04.15 24.04.15 29.04.15 05.05.15 11.05.15 16.05.15 22.05.15 28.05.15 02.06.15 08.06.15 14.06.15 19.06.15 25.06.15 kW Dashboard Am Standort Detmold ist ein Einsparpotenzial von ca. 29.000 € möglich. 8 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Höchste Lastspitze Dr. Martin Strohbach, AGT International Zeit Energy Analytics – Anomaly Detection Weidmüller Solution Powered by AGT Advanced Analytics Weidmüller Analytics Bitte Montageautomat 3 prüfen! Anomalie erkannt. Hinweis, dass eine Maschine gecheckt und ggf. gewartet werden muss. Case – Berechnung der Ersparnis durch Anomaly Detection Anomaly Detection Einsparpotenzial laut McKinsey Studie* Wartungskosten einer WDU 2.5 Maschine pro Jahr: Theoretische Ersparnis (40 %): 13.354,67 € * 0,4 = Praktische Ersparnis (10 %): 13.354,67 € * 0,1 = 10 - 40 % 13.354,67 € 5.341,87 € 1.335,47 € *Source: The Internet of Things: Mapping the Value beyond the Hype, McKinsey Global Institute, June 2015 Allein an einer WDU 2.5 ist ein Ersparnispotenzial von ca. 1.300 € möglich. 9 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Maschinencheck und Wartung Dr. Martin Strohbach, AGT International Interactive Use Case Demo 10 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Energy Peak Prediction 11 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Sensor data flow Processing Pipeline Model information High Level Processing Pipeline Cleaning Feature Extraction Model Model Matching Matching Model Fusion Alert Generation Model Model Building Building Pre-processing Analytics Core Peak Detector 12 Big Data Summit 2016, Hanau, 25. Feburar 2016 Anomaly Detector Dr. Christian von Toll, Weidmüller Gruppe Post-processing Load optimization Dr. Martin Strohbach, AGT International Big Data Herausforderung: Wissensmodellierung Welche Maschinen und Verbraucher sind Hauptverursacher von Lastspitzen? Wie korrelieren diese mit dem Betriebszustand der Maschinen ? • Betriebszustand der Maschinen beinhaltet z.B. • Zustandserfassung der Automatisierungssyteme (Operator-Einstellungen, Status-, Fehler- und Störungsmeldungen) • Messwerterfassung von Sensoren (Temperatur, Druck, etc.) • Anomalieerkennung Lösungsansatz: Semantische Modellierung • • • • Maschinentyp Komponenten Sensoren Analyseergebnisse (Lastspitzen, Vorhersagen, Anomalien) 13 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Linked Data Customer Customer Serving Layer Machine Data Speed Layer Alert Generation Data Feeder Strommessdaten Input Layer Model Matching Big Data Summit 2016, Hanau, 25. Feburar 2016 Management Interfaces Batch Layer Master Data Messdaten 14 Dashboard Knowledge DB Dr. Christian von Toll, Weidmüller Gruppe Model Building Dr. Martin Strohbach, AGT International Alert System HOBBIT Holistic Benchmarking of Linked Data 15 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International Zusammenfassung 1. Hohes Einsparungspotential 2. Hohe Vorhersagezuverlässigkeit anhand von Testdaten pre-validiert 3. Skalierbare und flexible Industrie 4.0 Analytics Platform Nächste Schritte 1. Verfeinerung und Optimierung der Analyseverfahren 2. Breiter operativer Einsatz mit Weidmüller Kunden 3. Semantisches Anreicherung von Messdaten und Analyseergebnissen 16 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International IoT Analytics Volpert Briel Vertriebsvorstand Elke Eckstein Vorstand Operations Harald Vogelsang Finanzvorstand 673 Umsatz Mio. EUR Mehr als 45 Detmold Headquarters Entwicklung | Produktion Dr. Peter Köhler Vorstandsvorsitzender 4.800 Mitarbeiter Markteinführungen innovativer Produkte pro Jahr 96% (sehr) zufriedene Kunden mit unserem 72 Stunden-Musterservice für Omnimate-Produkte 200 3000 Nachwuchstalente und Schülerinnen und Schüler schnuppern jährlich als Innovatoren von morgen Technikluft bei uns Produktion/ Entwicklung 27 Vertriebsgesellschaften Factory Automation 49% international 60 Exklusive Vertretungen und Repräsentanzen Device Manufacturer Vielen Dank! Sonstige Distributoren und Direktbelieferung in Einzelfällen Industry Automation & Solutions Social IoT
© Copyright 2025 ExpyDoc