Jetzt Newsletter
abonnieren.
Brauchen Sie Hilfe?
Kontaktieren Sie uns

Messbare OEE Steigerung

Use Case: Datenbasierte Effizienzsteigerung der Produktion ohne Qualitätsverluste

Das Kundenbeispiel der Münzing Chemie GmbH zeigt, wie eine Produktionsoptimierung mit BCAP (Bilfinger Connected Asset Performance) allein auf Basis von Sensordaten bei voller Anlagenverfügbarkeit durchgeführt werden kann. Das Projekt startete Anfang 2019 und zeigt, wie unter Verwendung des Recommender-Modells und dem Virtual Sensor der Batch-Output in der Pulveranlage gesteigert werden kann. Bilfinger arbeitet mit der Münzing Chemie GmbH als Full-Service-Dienstleister zusammen.

 

Kunde

Name:Münzing Chemie GmbH
Industrie:Spezialchemie
Region:Deutschland, Heilbronn
Fokus:Mischanlage für Bauzusatzstoffe

Herausforderung

  • Steigerung der Overall Equipment Effectiveness (OEE) einer Pulveranlage. Die Optimierung sollte dabei ausschließlich auf datengestützter Basis ohne physikalische Modifikationen der Anlage erfolgen.
  • Die Messung des Optimierungserfolgs sollte über die Erhöhung des Batch-Outputs als Zielgröße erfolgen.

Lösung

  • Das Recommender-Modell errechnet eine Mischzeitverkürzung ohne Qualitätsverluste, die den Batch-Output der Pulveranlage erhöht.
  • Dabei arbeitet das Recommender-Modell mit Sensordaten, die während des Mischprozesses gesammelt und in BCAP überführt wurden.
  • Mit Hilfe des Virtual Sensors lässt sich zudem die Qualität der Produktion überwachen

Nutzen

  • Mit Hilfe des Recommender-Modells konnte die Produktion erfolgreich und bei gleichbleibender Qualität optimiert werden: ein zusätzlicher Batch pro Tag wurde so ermöglicht.
  • Der Virtual Sensor ermöglichte zudem zuverlässige Life-Voraussagen zur Produktqualität. Die umständlichen und zeitaufwändigen Laboruntersuchungen entfallen.

Herausforderung: Steigerung der OEE ohne Modifikation der Anlage

Die Münzing Chemie GmbH wollte die Produktion in ihrer Pulveranlage steigern. In der Anlage wird der chemische Grundstoff in flüssiger Form auf ein Silikat aufgebracht und somit zu einem Pulver verfestigt. Eine Unterbrechung der Produktion, die durch eine physikalische Anpassung der Pulveranlage notwendig wäre, sollte vermieden werden. Die Optimierung des Produktionsvorganges erfolgte daher allein auf der Basis von ermittelten Daten. Die Erreichung der Optimierungsziele sollte anhand der Steigerung des Batch-Outputs der Pulveranlage gemessen werden.

Die Optimierung des Produktionsvorgangs hatte allerdings nicht nur die Verkürzung der Mischzeiten zum Ziel. Zu den weiteren Zielen zählten verbesserte Vorbereitungszeiten, wie eine früher mögliche Vorbereitung der nächsten Batch-Produktion und eine ebenfalls optimierte Reinigung der Anlage.

Lösung: Mischzeitverkürzung durch Recommender-Modell errechnet

Für die datenbasierte Optimierung wurden in der Pulveranlage während des Produktionsvorgangs fortlaufend Daten gesammelt. Hierbei kamen die in der Anlage bereits existierenden Sensoren zum Einsatz. Zudem war eine Datenbasis aufgrund von Parallelprojekten bereits existent. Zur schnellen Verarbeitung der Produktionsparameter wurde die Datentransferrate auf einminütige Intervalle erhöht und alle Daten in BCAP eingespeist. Das Recommender-Modell errechnete daraufhin eine Optimierung der Produktion durch eine Mischzeitverkürzung, die den Batch-Output steigert, ohne dass es zu einer Verminderung der Produktqualität kommt. Zur Überwachung der Qualität der Produktion kam der Virtual Sensor von BCAP zum Einsatz.

 

Recommender Model

„Das Recommender-Modell hat unsere Erwartungen vollauf erfüllt: Die Optimierung konnte allein auf der Grundlage von Sensordaten und ohne Eingriffe in die bestehende Anlage erreicht werden. Die Steigerung der Produktionskapazitäten bei identischer Produktqualität ist ein deutlicher Gewinn für die Münzing Chemie GmbH.“

Sven Scholz , Betriebsleiter, Münzing Chemie GmbH

Nutzen: zusätzlicher Batch-Output pro Tag bei gleicher Qualität

Die Münzing Chemie GmbH gelang es durch den Einsatz des Recommender-Modells die Produktion bei gleichbleibender Qualität zu optimieren. Die Summe der verkürzten Mischzeiten ergibt durch Zeiteinsparungen einen zusätzlichen Batch-Output pro Tag. Die gewonnene Zeit kann ebenso für Wartung bzw. Reinigungsvorgänge genutzt werden. Damit wurde eine signifikante Produktionssteigerung erreicht, ohne das physikalische Anpassungen der Pulveranlage notwendig wurde. Die Anlagenverfügbarkeit war somit auch während der Optimierungsphase gegeben. Der Virtual Sensor ermöglichte zudem zuverlässige Voraussagen zur Produktqualität in Echtzeit. Damit kann die zeitaufwändige Probenentnahme und Analyse im Labor eingespart und die Qualität unmittelbar überwacht werden.

Der Anwender profitiert durch weitere Vorteile, etwa durch die optische Darstellung aller prozessrelevanter Informationen in einem Dashboard. Der Operator verfügt mit dem Dashboard über ein Tool, was ihm die Optimierung der Mischzeiten ermöglicht. Die Rückmeldungen der Anlagenbediener über das Dashboard unterstützen ebenfalls die Optimierungsvorgänge.

Als weiteres Benefit liefert der Vibrations-Sensor Daten die sich weiterführend für Smart Alerting, Condition Monitoring und Predictive Maintenance nutzen lassen.

Hauptnutzen für Kunden

  • Datenbasierte Produktionssteigerung: Das Recommender-Modell kann die Produktion ohne physikalische Eingriffe in die Anlage und Downtimes optimieren – die Anlagenverfügbarkeit bleibt erhalten.
  • Die Zeitersparnisse können auch für Wartungs- bzw. Reinigungsvorgänge genutzt werden.
  • Steigerung des Outputs bei gleichbleibender Qualität
  • Der Virtual Sensor überwacht Produktqualität in Echtzeit ohne Laboruntersuchungen.
  • Dem Operator steht ein Dashboard zur Verfügung, das die optische Darstellung aller prozessrelevanter Informationen ermöglicht.
  • Mit dem Dashboard lassen sich die Optimierungsmaßnahmen steuern.