Smart Data statt Big Data

Der Autor: Bernhard Krebs, Fach-Redakteur

Ein Szenario aus der Praxis: Die Heizungsanlage eines Krankenhauses zeigt auffällige Vibrationen, begleitet von einer starken Lärmemission. Um einen folgenschweren Defekt auszuschließen bzw. frühzeitig darauf reagieren zu können, wird der Servicetechniker gerufen. Der allerdings stellt – typisch Vorführeffekt – keine außergewöhnlichen Schwingungen und keinen zu hohen Lärmpegel fest. Weil der Spezialist weiß, dass die Ursachen dieser Vibrationen oft von der Verbrennung kommen und deren Verhalten sich je nach Umgebungsbedingungen, Betriebsmodus und Zusammensetzung des zum Heizen verwendeten Gases ändern kann, legt er an die Heizungsanlage diverse Messinstrumente samt Triggerfunktion an. Mit diesen erfasst er über einen längeren Zeitraum Schallemissionen, Vibrationen der Brennkammern und den Betriebsmodus. Dieses Einzelbeispiel lässt sich jederzeit in vergleichbaren Anwendungsfällen wiederfinden.

Eine Herausforderung bei der herkömmlichen Messung von sporadisch auftretenden Phänomenen ist die Bestimmung der richtigen Triggerschwelle. Eine zu niedrige Schwelle führt zu Daueraufzeichnung und als Folge oft zum Überlauf des Speichers. Bei einer zu hohen Schwelle läuft man Gefahr, das Phänomen zu verpassen. Selbst wenn es gelingt, den richtigen Trigger zu setzen, lassen sich Phänomene, die wiederholt oder zu bestimmten Betriebszuständen auftreten, noch nicht ihrer Ursache zuordnen. Daher ist eine lückenlose Aufzeichnung aller Daten unabdingbar. Das wiederum führt automatisch zu Big Data (Terabytes an Daten) und dem Problem, dass dieses Datenvolumen nicht mehr mit vertretbarem Aufwand auswertbar ist. Aus der Praxis: bei acht Sensoren und einer Abtastrate von 25,6 kHz erhält man nur für die Zeitdaten in drei Monaten schon ein Datenvolumen von sechs Terabytes. Es stellen sich also zwei Aufgaben: Zum einen müssen zeitlich hoch aufgelöste Daten über lange Zeiträume lückenlos aufgenommen werden, zum anderen muss man diese Fülle an Informationen zuverlässig auszuwerten können.

Dr. Jakob Hermann, CEO der IfTA GmbH, hat mit seinem Team bereits lange, bevor „Big Data“ zum Modewort avancierte, mit dem Schwingungsüberwachungs- und Schutzsystem IfTA Argus OMDS eine flexible Komplettlösung für den stationären und mobilen Einsatz entwickelt. Sie vereint Hardware und Software – und gewährleistet eine autonome Langzeiterfassung bei gleichzeitiger Echtzeitverarbeitung und -überwachung. Zurück zum Eingangsszenario: Die Daten sind über einen längeren Zeitraum lückenlos erfasst worden, jetzt gilt es die Störung bzw. die Auffälligkeiten auch zu lokalisieren. „Im übertragenen Sinne geht es darum, die Nadel im Heuhaufen zu finden“, beschreibt er. Eine passende Software muss die gigantischen Datenmengen auch auswertbar machen. „Da wir aus der Welt der Kraftwerke kommen und unsere Systeme 24/7 ohne Unterbrechung über Jahre enorme Datenmengen sammeln und analysieren müssen, haben wir Speicher- und Analysetechniken entwickelt, mit denen man sich möglichst schnell und einfach einen Überblick verschaffen kann“, so Dr. Hermann.

Indem bereits parallel zur Speicherung der Echtzeitdaten diese im Zeit- und Frequenzbereich analysiert und die Analyseergebnisse geeignet zusammengefasst werden, entstehen leichter zu handhabende kompakte Datenpakete. Diese können mit der Visualisierungs- und Analysesoftware IfTA Trend angezeigt und die Auffälligkeiten präzise lokalisiert werden. Durch gezieltes Nachladen der hochauflösenden Daten für den betreffenden Zeitraum kann dann eine Störung im Detail ausgewertet werden. Das ermöglicht eine zielgerichtete und umgehende Ursachenfindung. „Man kann es sich vom Prinzip her wie Google Earth vorstellen: Alle verfügbaren Daten stehen bereit, ein erster grober Überblick lokalisiert die relevante Region, der man sich dann schnell und komfortabel per Zoomfunktion nähert“, macht Dr. Hermann das Verfahren anschaulich. Allerdings sind selbst die einzelnen kompakten Datenpakete bei Messungen über mehrere Monate sehr groß. Doch auch, wenn Gigabytes entstehen, lassen sie sich in der Analysesoftware effizient auswerten.

Liegt ein kurzfristiges Problem vor, ist der erläuterte Ansatz sehr effizient, um das Ziel der Messung zu erreichen. Wenn jedoch die Störungen auf Verschleiß zurückzuführen sind und/oder unregelmäßig immer wieder auftreten, ist eine andere Herangehensweise nötig. Hier müssen die Echtzeitdaten über den gesamten Messzeitraum ausgewertet und damit Langzeittrends erkannt werden. Dazu hat das Unternehmen eine Software entwickelt, die Daten automatisch nach gewissen Kriterien durchsucht. Die Analyseergebnisse werden so zusammengefasst, dass sie wieder eine moderate Größe erreichen: aus Big-Data wird Smart-Data. Neben mobilen Anlagenmessungen mit dem IfTA Dynamaster eignet sich diese Methode auch für Dauertests zu Lebenszeituntersuchung von Komponenten auf Prüfständen. Hier ist es nicht immer zielführend nur Daten mitzuschreiben, wenn es z.B. zum Bruch einer Komponente kam. Es ist auch wichtig Informationen über die langfristige Entwicklung vor dem Ereignis zu erhalten. Die Überwachung und Abschaltung des Prüfstands zu dessen Schutz bei zu hohen Testwerten oder im Fall des Bruchs einer Komponente lässt sich mit dem System Argus OMDS ebenfalls realisieren. Gerade in sicherheitsrelevanten und großtechnischen Anlagen ist die lückenlose Überwachung und rechtzeitige Früherkennung der beste Schutz. Hierzu ist die Erfassung und Auswertung von riesiger Datenmengen nötig. Egal, ob man die Nadel im Heuhaufen finden will oder Langzeittrends erkannt werden sollen – man benötigt zuverlässige Mess- und Analysetechnik. IfTA bietet hierzu die richtigen Komplettlösungen. jg

IfTA Ingenieurbuero fuer Thermoakustik GmbH

Groebenzell

Tel. +49 8142 65051-0