Zusammenfassung
Ein weltweit führender Petrochemiekonzern – der in über 50 Ländern tätig ist, mehr als 30.000 Mitarbeiter beschäftigt und für seine Vorreiterrolle im Bereich ESG anerkannt ist – musste in allen seinen Werken von einer reaktiven, veralteten Anlagenüberwachung auf eine vorausschauende, KI-gestützte Zustandsüberwachung umstellen. LTTS implementierte seine firmeneigene Lösung zur Anlagenzustandsüberwachung in 22 Werken in Saudi-Arabien, den USA und Europa – wobei alle 15 Minuten rund 500.000 Datenpunkte von über 1.400 Anlagen verarbeitet wurden –, wodurch ungeplante Ausfälle um mehr als 80 % reduziert und dem Kunden im ersten Jahr Einsparungen in Höhe von rund 10 Mio. erzielt wurden.
Lesen Sie die vollständige Fallstudie – jederzeit und überall
Fallstudie herunterladenDie Herausforderung
Die petrochemische Produktion basiert auf komplexen, voneinander abhängigen Prozess- und Anlageneinheiten – wobei ein einziger ungeplanter Ausfall eine gesamte Anlage zum Stillstand bringen kann. Die bestehenden Anlagen des Kunden stützten sich auf herkömmliche, veraltete Methoden zur Überwachung der Anlagenleistung und -zuverlässigkeit, die es nicht ermöglichten, Anlagenausfälle oder Betriebsunterbrechungen proaktiv und mit ausreichender Vorlaufzeit zu erkennen, um Vorbereitungen zu treffen oder die Auswirkungen zu mindern. Die Lücken waren struktureller Natur: Es fehlte an einer effektiven Überwachung kritischer Leistungskennzahlen (KPIs) – was zu betrieblichen Ineffizienzen, Materialverlusten und Prozessleckagen führte – sowie an einer zuverlässigen Methode, um die richtigen KPIs für die Überwachung einzelner Anlagen zu ermitteln oder daran orientierte regelmäßige Wartungsmaßnahmen zu planen. Was der Kunde benötigte, war eine vorausschauende, KI-gestützte Ebene, die Ausfälle in einem vielfältigen, geografisch verstreuten Anlagenbestand frühzeitig erkennen konnte.
Technische Komplexität
Um Ausfälle in dieser Größenordnung vorherzusagen, mussten vier sehr unterschiedliche Probleme parallel gelöst werden – und zwar in Anlagen, die niemals angehalten werden konnten und über Saudi-Arabien, die USA und Europa verteilt waren.
Daten im industriellen Maßstab und mit industrieller Geschwindigkeit
~1.400+ Vermögenswerte, jeweils 100 Parameter mit einer Frequenz von 15 Minuten, verglichen mit historischen Daten aus fünf Jahren – ~500.000 Datenpunkte, die alle 15 Minuten erfasst, bereinigt und bewertet werden müssen, ohne dabei den Echtzeit-Rückstand zu vergrößern.
Vielfältige, schwer zu modellierende Physik von Objekten
Extruder, Dampfturbinen, Zentrifugal- und Kolbenkompressoren, Zentrifugalpumpen und Wärmetauscher – jedes dieser Bauteile weist ganz eigene Ausfallmerkmale auf, die sich mit keinem einzigen generischen Modell erfassen lassen.
Es gibt keine eindeutige Grundlage dafür, wie „normal“ aussieht
Bei der herkömmlichen KPI-Überwachung mussten die richtigen Variablen für jedes Asset aus den Daten selbst ermittelt werden – sie wurden nicht aus einer bestehenden, bewährten Konfiguration übernommen.
Frühzeitig genug Prognosen erstellen, um handlungsfähig zu sein – über alle Regionen hinweg
Die Erkennung musste mit ausreichendem Vorlauf erfolgen, um eine Betriebsunterbrechung zu verhindern – und den richtigen Verantwortlichen in den Niederlassungen in Saudi-Arabien, den USA und Europa erreichen, anstatt nur auf einem Dashboard zu erscheinen.
KI-gestütztes Entscheidungshilfesystem
Eine Machine-Learning-Engine (ML), die Echtzeit-Anlagendaten in nach Priorität geordnete, umsetzbare Wartungsempfehlungen für Betreiber umwandelt.
Anomalieerkennung und Ausfallvorhersage
Sensorgesteuerte Klassifikatoren erkennen Anomalien und sagen Ausfälle voraus, bevor diese zu ungeplanten Stillständen führen.
Maßgeschneiderte Modelle für kritische Anlagen
1.500 maßgeschneiderte Datenmodelle – speziell auf die jeweiligen Anlagentypen abgestimmt: Extruder, Turbinen, Kompressoren, Pumpen, Wärmetauscher.
Anpassbare Datenpipeline
~500.000 Datenpunkte werden alle 15 Minuten von über 1.400 Anlagen erfasst, basierend auf historischen Referenzwerten aus fünf Jahren.
Workflow und Benachrichtigungsmechanismus
Automatisierte Arbeitsabläufe und E-Mail-Benachrichtigungen leiten jede Anomalie an den zuständigen Verantwortlichen weiter – und schließen so den Kreislauf von der Erkennung bis zur Maßnahme.
Geschäftsergebnisse
>80 %
Rückgang der ungeplanten Vorfälle innerhalb eines Jahres.
Ein deutlicher Fortschritt bei der Anlagensicherheit und -zuverlässigkeit, der von den Kunden sehr positiv gewürdigt wurde.
~..10 Mio.
Gespeichert
Ein entscheidender Fortschritt in Sachen Anlagensicherheit und -zuverlässigkeit, der von den Kunden große Anerkennung fand.
Bis zu 20 %
Weniger Ausfallzeiten der Anlagen
Eine optimale, vorausschauende Wartungsplanung hat das reaktive „Feuerlöschen“ abgelöst.
Bis zu 20 %
Höhere Produktivität, bis zu 30 % geringere Wartungskosten
Umfassendere Echtzeitanalysen verbesserten den Durchsatz, senkten gleichzeitig die Wartungskosten und steigerten die Kapitalrendite (ROI).
Erfolgsgeschichten
Ein globaler Petrochemie-Hersteller spart Millionen mit LTTS' KI-, IoT- und Datenanalyse-gestützter ...
Erfahren Sie, wie LTTS einem weltweit führenden Unternehmen der petrochemischen Industrie vorausschauende Anlagenzuverlässigkeit, Echtzeit-KPI-Überwachung und datengestützte Betriebsabläufe ermöglicht...
Mehr erfahren