Case Study Energy management in the production industry - potential savings with data-oriented analysis and Big Data technologies
Presented at http://www.bitkom-bigdata.de/programm/2016
Dr. Christian von Toll , Weidmüller Interface GmbH & Co. KG; Dr. Martin Strohbach , AGT International
Case Study Energy management in the production industry - potential savings with data-oriented analysis and Big Data technologies
1. 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
3. Wie definieren wir Industrie 4.0?
Energiemanagement – Schritt zur energieeffizienten, intelligenten Fabrik
Messdaten erfassen, verdichten und archivieren
Kontinuierlichen Verbesserungsprozess
etablieren
Energieeffizienz bewerten
Einsparpotentiale über Algorithmen identifizieren
Handlungsempfehlungen
Steuerung
3 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
4. Absprunghöhe – Ganzheitliches Energiemanagement
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
Aus der Produktion.
Für die Produktion.
4 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
5. 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.“
Ein System, dass die o.g. Anforderungen miteinander verknüpft und praxisorientiert ist, bietet für den
Kunden große und einfach zu erschließende Einsparpotenziale.
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.“
5 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
6. Energy Analytics
Big data
availabilty
Energy
Management
Energy
Analytics
Algorithmen identifizieren Muster
und Anomalien
Identifizieren Einsparpotentiale
Energiedaten…
-aufnahme
-aufbereitung
-speicherung
-visualisierung
6 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
7. Energy Analytics - Bausteine
Anomaly Detection
Über die Energiedaten identifiziert die Weidmüller Lösung
Maschinen, die wegen z.B. Verschleiß oder zukünftigem Defekt
außerhalb des eingestellten Regelbetriebs laufen
Peak-load Analytics
Die Weidmüller Lösung kann durch die Analyse historischer
Daten mögliche Lastspitzen vorhersagen und
Optimierungspotenzial aufzeigen
I
Warnung
Warnung
Hinweis
II WDU 2.5 noch in Betrieb. Bitte vor
Schichtende ausschalten.
WeidmüllerAnalytics
Weidmüller Analytics Dashboard
Zusätzlich Info per SMS/eMail
…
…
…
7 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
8. Energy Analytics – Peak-load Analytics
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
Am Standort Detmold ist ein Einsparpotenzial von ca. 29.000 € möglich.
kW
500 kW
1.000 kW
1.500 kW
2.000 kW
2.500 kW
3.000 kW
3.500 kW
4.000 kW
4.500 kW
5.000 kW
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
Lastspitzen
in kW
Netznutzung
Zeit
Netznutzung
Zeit
Höchste Lastspitze
Dashboard
Höchste
Lastspitze
Weidmüller Solution
Powered by AGT Advanced Analytics
Vorhersage: Erhöhtes Risiko einer
Lastspitze
Ausschalten leistungsträger Maschinen
Dashboard
8 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
9. Energy Analytics – Anomaly Detection
Case – Berechnung der Ersparnis durch Anomaly Detection
Anomaly Detection Einsparpotenzial laut McKinsey Studie* 10 - 40 %
Wartungskosten einer WDU 2.5 Maschine pro Jahr: 13.354,67 €
Theoretische Ersparnis (40 %): 13.354,67 € * 0,4 = 5.341,87 €
Praktische Ersparnis (10 %): 13.354,67 € * 0,1 = 1.335,47 €
Allein an einer WDU 2.5 ist ein Ersparnispotenzial von ca. 1.300 € möglich.
Bitte Montageautomat 3
prüfen!
Anomalie erkannt.
Weidmüller Analytics
Hinweis, dass eine Maschine
gecheckt und ggf. gewartet
werden muss.
Maschinencheck und Wartung
*Source: The Internet of Things: Mapping the Value beyond the Hype, McKinsey Global Institute, June 2015
9 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
Weidmüller Solution
Powered by AGT Advanced Analytics
10. Interactive Use Case Demo
10 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
11. Energy Peak Prediction
11 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
12. Processing Pipeline
Model
Building
Model
Matching
High Level Processing Pipeline
Cleaning
Feature
Extraction
Model
Matching
Model Fusion
Alert
Generation
Model
Building
Pre-processing Analytics Core Post-processing
Sensor data flow
Model information
Peak
Detector
Anomaly
Detector
Load
optimization
12 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
13. 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)
Big Data Herausforderung: Wissensmodellierung
Linked Data
13 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
14. Data
Feeder
Machine Data
InputLayer
Serving
Layer
Strommessdaten
Speed Layer
Batch Layer
Master Data
Messdaten
Knowledge
DB
Model
Building
Model
Matching
Alert
Generation
Customer Customer
Dashboard
Management
Interfaces
Alert System
14 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
15. 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
16. 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
Zusammenfassung
16 Big Data Summit 2016, Hanau, 25. Feburar 2016 Dr. Christian von Toll, Weidmüller Gruppe Dr. Martin Strohbach, AGT International
17. Vielen Dank!
IoTAnalytics
Social IoT
27 Vertriebsgesellschaften 60 Exklusive Vertretungen und Repräsentanzen Sonstige Distributoren und Direktbelieferung in Einzelfällen
Detmold
Headquarters
Entwicklung |
Produktion
Produktion/ Entwicklung
Harald Vogelsang
Finanzvorstand
Elke Eckstein
Vorstand Operations
Volpert Briel
Vertriebsvorstand
Dr. Peter Köhler
Vorstandsvorsitzender
Mitarbeiter
49%
international
4.800
Umsatz673
Mio. EUR
Markteinführungen innovativer
Produkte pro Jahr
Mehr als
45
(sehr) zufriedene Kunden mit unserem
72 Stunden-Musterservice für Omnimate-Produkte96%
200
3000
Nachwuchstalente
Schülerinnen und Schüler schnuppern jährlich als
Innovatoren von morgen Technikluft bei uns
Factory Automation Device Manufacturer Industry Automation & Solutions
und