Ashland
            

Verlagerung zu höherer Wertschöpfung und geringerem Durchsatz

Ashland stellt seit den siebziger Jahren Baumaterialien her. Im Laufe der Jahre hat das Werk seinen Produktschwerpunkt langsam in Richtung Körperpflege und pharmazeutische Produkte verlagert. Die Umstellung des Werks auf einen völlig neuen Markt hat natürlich neue Herausforderungen mit sich gebracht. Für Ashland bedeutete dies eine Verlagerung hin zu einer höheren Wertschöpfung, einem geringeren Durchsatz und mehr Kontrolle über die Produktionsprozesse. Auch die strenge Einhaltung der immer strengeren GMP-Normen für die Qualität pharmazeutischer Produkte war Neuland.

Wo Menschen, Prozesse und Hilfsmittel zusammenkommen

Ashland entschied sich für die Self-Service Industrial Analytics-Lösung von TrendMiner, um verwertbare Erkenntnisse aus seinen Verarbeitungsdaten zu gewinnen. Die Plattform schien in der Lage zu sein, alle Anforderungen des Werks und mehr zu erfüllen: Sie konnte die automatisierten Produktionsdaten der Anlage nahezu in Echtzeit analysieren. Sie konnte diese Daten so visualisieren, dass das Team bewährte Methoden wie Six Sigma und den DMAIC-Zyklus anwenden konnte. Und das Wichtigste: Die Produktingenieure konnten es mit vertrauten Werkzeugen wie Computer Aided Engineering (CAE) und Advanced Analytics nutzen, ohne einen Data Scientist zu benötigen. "Eine der wichtigsten Fragen, die wir uns gestellt haben", sagt Jan Meireleire, "war, wie wir große Datenmengen in etwas umwandeln können, das unsere Produktingenieure tatsächlich nutzen können. Und - ganz wichtig - daraus neue Ideen entwickeln können."
Ashland setzte AspenTech IP.21 auf einem eigenen Server ein, um seine historischen Daten zu erfassen und zu speichern. Die Self-Service Industrial Analytics-Lösung von TrendMiner wurde einfach darauf aufgesetzt und war schnell einsatzbereit. Schon bald waren die Ingenieure in der Lage, die Daten zu analysieren und zu überwachen und dabei neue Erkenntnisse zu gewinnen. Die folgenden Anwendungsfälle zeigen, wie Ashland zuvor "unlösbare" Produktionsprobleme löste, seine Qualitätskontrolle verbesserte und den GMP-Produktionsdurchsatz steigerte.

Datenanalyse: Stabilisierung der Produktion durch einen Blick über den (Daten-)Tellerrand

Ein wichtiges Ziel bei der Umstellung des belgischen Werks war die Produktionsstabilität. TrendMiner half den Ingenieuren dabei zu erkennen, welche Faktoren im Prozess die Qualität des Endprodukts beeinflussten. "Interessanterweise", so Jan, "waren das ganz oft andere, als die wir erwartet hätten." In diesem Anwendungsfall identifizierte TrendMiner die stabilsten Produktionsläufe, indem es Daten von bestimmten Produkten herausfilterte. Während sich alle relevanten Parameter in diesen Produktionsläufen als stabil erwiesen, zeigte eine Suche in der gesamten Datenbank signifikante Faktoren gleich zu Beginn des Prozesses. Diese so genannten "Einflussfaktoren" halfen bei der Ursachenanalyse und unterstützten die Ingenieure dabei, die unbekannten Zusammenhänge im Vorfeld zu ermitteln. Dank der benutzerfreundlichen Dashboards von TrendMiner mussten die Prozessingenieure nicht tonnenweise Daten und Zahlen in ein Excel-Tabellenblatt extrahieren. Auch mussten sie keine Zeit mit der Datenbearbeitung verbringen. Jetzt sind diese Faktoren beseitigt, was zu einem stabileren Produktionsprozess führt.

Datenüberwachung: reibungsloser Betrieb der Anlage

TrendMiner verfügt auch über Überwachungsfunktionen, die es Prozess- und Produktionsingenieuren ermöglichen, bestimmte "rote Fahnen" zu setzen und Vorfälle in der Zukunft zu verhindern. Anhand von Mustern können "Goldene Fingerabdrücke" markiert werden und die Ingenieure werden benachrichtigt, wenn eine Anomalie auftritt. In einem Fall wurde die verfahrenstechnische Abteilung über ein konkretes Ereignis informiert. Eine weitere Analyse ergab, dass es in der Vergangenheit bereits mehrmals aufgetreten war - eine echte Offenbarung! Sie waren nicht nur in der Lage, den Vorfall ohne viel manuelle Arbeit zu lösen, sondern konnten auch verhindern, dass sich ähnliche Vorfälle jemals wieder ereignen.

Eine effiziente Zukunft

Die neue Self-Service Industrial Analytics-Plattform von Ashland für ihre Anlagen hat die betriebliche Effizienz, die Einhaltung von Vorschriften und die Qualitätskontrolle im gesamten Werk erheblich verbessert. "Jetzt", erklärt Jan, "sind wir in der Lage, zuvor 'unlösbare' Produktionsprobleme zu beheben - und wir konnten eine Steigerung der GMP-Produktion von 70 % auf 95 % erzielen." Kein Wunder, dass Ashland plant, die Self-Service Industrial Analytics weiter voranzutreiben. Das bedeutet, dass man sich in Zukunft mehr auf die Echtzeitüberwachung und Echtzeitvorhersage der Anlagenleistung konzentrieren wird. Meireleire kommentiert: "Ohne TrendMiner wären wir nicht dort, wo wir heute sind, um unsere Ziele zu übertreffen. Dieses Niveau der Analyse der heutigen Prozessdaten wird unser Werk in die Zukunft führen."