Jahrelange Daten, die niemand geöffnet hat
Die meisten Werke speichern seit Jahren Prozessdaten im Historian, schauen aber nur auf die letzten Stunden. So wird aus dieser Historie mit Kontext eine Quelle für Basislinien, Ausfallmuster und langsame Drifts.

Die jahrelangen Daten, die bereits in Ihrem Historian liegen
Fast jedes Werk, mit dem wir sprechen, hat einen Historian. Wonderware, Ignition, PI, nach einigen Upgrade-Runden manchmal auch eine Mischung aus allen dreien. Viele davon zeichnen seit fünf, zehn, sogar fünfzehn Jahren alle paar Sekunden Daten auf.
Und in den meisten Werken sieht die Nutzung dieser Daten sehr ähnlich aus. Jemand öffnet eine Trendanzeige, schaut sich die letzten Stunden oder die letzte Schicht an, prüft, ob eine Temperatur oder ein Druck dort liegt, wo er liegen sollte, und schließt sie wieder. Die Historie ist dafür da, dass jemand zurückscrollen kann, wenn etwas schiefgeht, um zu sehen, was am Dienstag passiert ist.
Das ist eine wertvolle Nutzung. Aber es bedeutet, dass Jahre an Prozessverhalten, Tausende von Chargen, jeder gute und jeder schlechte Lauf, in einem System gespeichert sind, das hauptsächlich genutzt wird, um auf heute zu schauen.
Warum die Historie meist im Archiv bleibt
Das ist keine Frage von Aufwand oder Aufmerksamkeit. Es liegt daran, wie Historians aufgebaut sind.
Ein Historian ist darauf ausgelegt, zwei Dinge sehr gut zu können: große Mengen an Zeitreihendaten effizient zu speichern und sie als Trends darzustellen. Er ist nicht darauf ausgelegt, Dinge zu vergleichen. Er weiß nicht, was eine Charge ist, welches Produkt lief, in welchem Schritt sich der Prozess befand oder ob das Ergebnis die Qualitätsprüfung bestanden hat. Für einen Historian sind ein Kochschritt, eine CIP-Reinigung und ein leerstehender Tank einfach nur Zahlen, die sich über die Zeit verändern.
Sobald also jemand eine Frage stellen möchte, die über „Was ist in diesem Moment passiert?“ hinausgeht, beginnt die Arbeit. Daten exportieren. Herausfinden, welche der 4.000 kryptisch benannten Tags die relevanten sind. Sie mit dem Produktionsplan aus einem anderen System abgleichen. Die Chargen in einer Tabellenkalkulation von Hand trennen. Bis die Daten analysebereit sind, ist die Frage oft schon vom nächsten dringenden Problem überholt worden.
Deshalb wird die Historie genutzt, um auf einzelne Ereignisse zurückzublicken, und selten, um aus Mustern über Hunderte solcher Ereignisse zu lernen.
Was tatsächlich darin steckt
Wenn historische Daten tatsächlich strukturiert werden, beantworten sie in der Regel vier Arten von Fragen, die Live-Daten nicht beantworten können.
Die erste ist, wie „normal“ wirklich aussieht. Nicht der Sollwert auf dem Bildschirm oder die Zahl in der Spezifikation, sondern wie sich ein bestimmtes Produkt auf einer bestimmten Linie über Hunderte von Läufen tatsächlich verhält: wie lange jeder Schritt dauert, wie viel Schwankung typisch ist, was die guten Läufe gemeinsam haben. Erst diese Basislinie macht es möglich zu sagen, ob der heutige Tag ungewöhnlich ist.
Die zweite ist, was passiert ist, bevor etwas schiefging. Jeder Ausfall, jede zurückgewiesene Charge und jeder ungeplante Stillstand der letzten Jahre hat eine Aufzeichnung der Stunden und Tage davor hinterlassen. Ein einzelnes Ereignis erzählt eine Geschichte. Zwanzig ähnliche Ereignisse zeigen, welche Signale sich zuerst bewegt haben und wie viel Vorwarnzeit es gab.
Die dritte sind langsame Veränderungen. Verschleiß an Anlagen, Fouling in Wärmetauschern und Sensordrift entstehen über Monate. In einem Live-Trend sind sie unsichtbar, weil sich von einer Schicht zur nächsten nichts spürbar verändert. Über zwei Jahre Historie sind sie oft das offensichtlichste Muster in den Daten.
Die vierte ist der Vergleich. Linie gegen Linie, Schicht gegen Schicht, Produkt gegen Produkt, Sommer gegen Winter. Viele der nützlichsten Erkenntnisse stammen aus Vergleichen, die mit einem Bildschirm, der die letzten acht Stunden zeigt, schlicht unmöglich sind.
Ein Beispiel: das Problem, das jeden Sommer zurückkam
Hier ein Fall aus mehreren Molkereibetrieben. Ein Kurzzeiterhitzer hatte gelegentliche Rückführungen (Flow Diversions), die niemand einer klaren Ursache zuordnen konnte. Jede wurde untersucht, als sie auftrat, und jedes Mal sahen die Trends des Tages etwas anders aus. Sie wurden als Einzelereignisse abgetan.
Als zwei Jahre Historian-Daten abgerufen und jede Rückführung mit dem Produktionsplan abgeglichen wurden, ergab sich ein anderes Bild. Die Rückführungen waren nicht zufällig. Sie häuften sich zwischen Juni und September, und die meisten traten in der ersten Stunde nach einem Wechsel auf ein bestimmtes Produkt auf.
Der Blick auf die Vorlaufphase jedes dieser Ereignisse zeigte, dass die Temperatur des Heißwasserkreislaufs in den Minuten vor der Rückführung stärker als üblich pendelte, und an warmen Tagen war der Effekt am stärksten. Das zulaufende Kühlwasser war im Sommer wärmer, das betreffende Produkt benötigte ein leicht anderes Temperaturprofil, und der Regelkreis, der den Rest des Jahres gut funktionierte, hatte unter diesen kombinierten Bedingungen nicht genug Reserve.
Kein einzelner Tagestrend hätte das zeigen können. Es brauchte die Daten aus zwei Sommern, sortiert nach Produkt und Jahreszeit, damit das Muster sichtbar wurde. Die Lösung war eine Anpassung der Reglerparameter und eine geänderte Anfahrsequenz für dieses Produkt, und im folgenden Sommer gingen die Rückführungen deutlich zurück.
Die eigentliche Arbeit ist, Kontext hinzuzufügen
Das obige Beispiel brauchte keine neuen Daten. Alles war bereits im Historian. Nützlich wurde es durch Kontext: zu wissen, welches Produkt lief, wann Produktwechsel stattfanden, in welchem Schritt sich der Kurzzeiterhitzer befand und wann Rückführungen auftraten.
Das ist meist der Schritt, der aus roher Historie etwas macht, aus dem man lernen kann. Signale werden den Anlagen zugeordnet, zu denen sie gehören. Die Schritt- und Rezepturinformationen aus der SPS selbst werden genutzt, um die Daten in Chargen und Phasen aufzuteilen. Wo verfügbar, werden Produktionspläne, Instandhaltungsaufzeichnungen und Qualitätsergebnisse ergänzt, sodass ein Lauf damit verknüpft werden kann, was produziert und was repariert wurde und ob das Produkt die Prüfung bestanden hat.
Sobald das erledigt ist, ist der Historian keine lange Liste von Zahlen mehr, sondern ein Protokoll jeder Charge, die das Werk produziert hat, mit den Bedingungen, unter denen sie hergestellt wurde, und dem Ergebnis.
Beginnen Sie mit einer Frage
Den gesamten Historian auf einmal zu strukturieren, funktioniert selten. Es ist viel wirksamer, mit einem wiederkehrenden Problem zu beginnen, das den Leuten bereits wichtig ist: dem CIP-Kreis, der manchmal zu lange läuft, der Linie mit unerklärlichen Kurzstillständen, dem Produkt, das gelegentlich außerhalb der Spezifikation liegt.
Ziehen Sie von dort aus die relevanten Signale der letzten zwölf bis vierundzwanzig Monate heran und prüfen Sie die Datenqualität, bevor Sie Schlüsse ziehen. Einige praktische Dinge sind gut zu wissen. Kompressions- und Totbandeinstellungen des Historians können kurze Ereignisse glätten, sodass eine Druckspitze, die drei Sekunden dauerte, möglicherweise gar nicht vorhanden ist. Tags werden nach einem Upgrade des Leitsystems oft umbenannt oder verschoben, wodurch es so aussehen kann, als hätte ein Signal aufgehört zu existieren. Und Lücken durch Netzwerk- oder Serverausfälle müssen erkannt werden, damit sie nicht mit einem Prozessstillstand verwechselt werden.
Nichts davon ist ein Grund, die Daten nicht zu nutzen. Es sind einfach Punkte, die man prüfen sollte, damit die Antworten belastbar sind.
Was die Historie Ihnen nicht sagen kann
Es lohnt sich auch, die Grenzen klar zu benennen. Wenn ein Signal nie aufgezeichnet wurde, holt es keine Analyse zurück. Wenn es einmal pro Minute abgetastet wurde, sind kürzere Ereignisse nicht sichtbar. Und wenn eine Linie umgebaut oder eine wichtige Anlage ersetzt wurde, spiegeln Daten von vor der Änderung möglicherweise nicht wider, wie der Prozess heute läuft.
Auch in diesen Fällen hilft die Historie, indem sie genau zeigt, welche Signale fehlen oder zu grob aufgelöst sind. Das macht es viel einfacher zu entscheiden, was künftig ergänzt werden soll, statt vorsorglich alles zu instrumentieren.
Warum das ein guter Ausgangspunkt ist
Für viele Werke sind historische Daten der schnellste und risikoärmste Weg herauszufinden, was Prozessüberwachung tatsächlich für sie leisten kann. Es muss keine Hardware installiert werden, und es gibt keine Verbindung zum laufenden Steuerungsnetzwerk. Ein Datenexport aus dem Historian, der ein oder zwei Jahre einer Linie oder eines Systems abdeckt, reicht aus, um Basislinien zu erstellen, vergangene Ausfälle zu untersuchen und langsame Drifts zu finden.
Es verändert auch das Gespräch. Statt abstrakt zu fragen „Was könnten wir aus unseren Daten lernen?“, erhält das Werk konkrete Antworten zu den eigenen Anlagen, gewonnen aus der eigenen Historie. Das ist meist der klarste Weg zu entscheiden, was sich live zu überwachen lohnt.
Die Daten waren die ganze Zeit da. Die meisten müssen nur in Kontext gesetzt werden.
Möchten Sie mehr erfahren?
Fallstudien
Wie führende Unternehmen ihre Geschäftstätigkeit transformieren
Beispiele aus der Praxis für betriebliche Exzellenz, die durch unsere Plattform erreicht wurde

