Prozessüberwachung — SPC, multivariate Analyse & Fehlererkennung
Prozessdrift, anomale Ereignisse und aufkommende Fehler erkennen, bevor sie zu Qualitätsproblemen oder ungeplanten Abschaltungen werden — mit den Daten, die Ihr Leitsystem bereits erfasst.
30-Min Technik-Fit-Call buchenPhD APC/MPC · CERN · IAV · SkySails
Was Prozessüberwachung leistet
Statistische Prozessregelung (SPC) und multivariate Prozessüberwachung erkennen, wann ein Prozess seinen normalen Betriebsbereich verlässt — bevor die Abweichung Qualitätsprobleme, Ausschuss oder Anlagenschäden verursacht.
Bei einfachen Prozessen mit einer Größe erkennen univariate Shewhart-Karten Verschiebungen von Mittelwert und Streuung. Bei Prozessen mit Hunderten korrelierter Sensoren überwacht multivariate SPC (MSPC) mit Hauptkomponentenanalyse (PCA) und Partial Least Squares (PLS) die Korrelationsstruktur selbst — und erkennt schleichende Drifts, die Einzelkarten übersehen.
Prozessüberwachung ist das diagnostische Fundament. Sie regelt den Prozess nicht; sie zeigt, dass etwas nicht stimmt, wo die Abweichung begann und wie schwer sie ist. Damit ist sie die natürliche Voraussetzung für APC: Bevor der Kreis mit einem modellbasierten Regler geschlossen wird, muss feststehen, dass der Prozess normal läuft.
Drei Überwachungsmethoden
Univariate SPC — Shewhart, CUSUM, EWMA
Verfolgt einzelne Größen gegen Eingriffsgrenzen aus historischen Daten. Shewhart-Karten erkennen sprunghafte Verschiebungen, CUSUM schleichende Trends, EWMA gewichtet jüngere Werte stärker. Standard in der Stückgutfertigung und bei der Chargenfreigabe. Grenze: korrelierte Drifts mehrerer Größen bleiben unentdeckt.
Multivariate SPC (MSPC) mit PCA/PLS
Projiziert viele korrelierte Prozessgrößen in einen niedrigdimensionalen latenten Raum und überwacht zwei Kennzahlen: Hotellings T² (Variation innerhalb des Modells) und SPE/Q (Residuen außerhalb). Eine Änderung einer der beiden zeigt einen anormalen Betrieb an — auch wenn keine Einzelgröße ihre Grenze überschreitet. Eingesetzt in kontinuierlichen Chemieprozessen, Halbleiterfertigung und pharmazeutischer Chargenregelung.
Fehlererkennung und -diagnose / Anomalieerkennung
Datengetriebene Anomaliewerte aus Isolation Forests, Autoencodern oder Gauß-Prozess-Modellen; Beitragsdiagramme zeigen, welche Größen die Abweichung treiben. Eingesetzt zur frühen Erkennung von Anlagenfehlern und als Vorboten von Prozessstörungen. Erweitert MSPC um Diagnosefähigkeit.
Wo es eingesetzt wird
Kontinuierliche Chemieprozesse
Reaktor-Temperaturprofile, Kolonnenzusammensetzungen und Rückführungen gemeinsam überwachen. Nachlassende Katalysatoraktivität, Wärmetauscherverschmutzung und Schwankungen der Einsatzstoffqualität erkennen, bevor sie Fehlware verursachen.
Pharmazeutische Chargenfertigung (Batch-MSPC)
Jeden Chargenverlauf mit einer Golden-Batch-Referenz vergleichen und Abweichungen erkennen, solange die Charge noch läuft — so bleibt Zeit für Korrekturen, bevor sie verworfen werden muss. Die FDA-PAT-Leitlinie unterstützt diesen Ansatz.
Halbleiter: Fehlererkennung und -klassifikation (FDC)
Zustandsüberwachung von Ätz-, Abscheide-, CMP- und Lithografiekammern: Werkzeugdrift, Kammerablagerungen und Rezeptabweichungen werden aus Anlagendaten erkannt — bevor Wafermessungen Fehlware bestätigen.
Prozess-Check vor der APC-Einführung
Vor dem Einsatz von APC oder MPC zeigt MSPC, welche Größen statistisch beherrscht sind und welche Sonderursachen aufweisen. Regler auf schlecht verstandenen Prozessen scheitern schnell; erst überwachen schafft ein solides Fundament.
Unsere Vorgehensweise
Analyse historischer Daten
Historian-Daten (z. B. AVEVA PI, Aspen IP.21, Ignition) auf Korrelationen, stationäre Phasen, Sortenwechsel und Ausreißer untersuchen und den normalen Betriebsbereich festlegen.
PCA/PLS-Modellentwicklung
Latente-Variablen-Modelle der dominanten Korrelationen aufbauen, Überwachungskennzahlen wählen, Grenzen für die zulässige Fehlalarmrate setzen und an bekannten Störfällen der Historie validieren.
Beitragsanalyse und Alarmauslegung
Beitragsdiagramme so einrichten, dass Bediener im Alarmfall direkt die einflussreichsten Größen sehen, und Schwellen so setzen, dass Fehlalarme selten bleiben, ohne Empfindlichkeit zu verlieren.
Anbindung an PLS und Historian
Überwachungsmodelle als zeitgesteuerte Historian-Berechnungen oder Echtzeit-Streaming-Anwendungen einsetzen — mit Bedienbildern für Trends, T²/SPE-Karten und Alarmübersichten.
Ihr Nutzen
Erkennt, was Einzelalarme übersehen
Ein Prozess kann weit driften, bevor eine einzelne Größe ihre Alarmgrenze erreicht. MSPC erkennt die Veränderung des Musters, nicht nur einzelne Überschreitungen.
Weniger ungeplante Stillstände
Frühe Vorboten — Verschleiß, Drift der Einsatzstoffe, Schwankungen der Versorgung — erlauben vorbeugendes Handeln in geplanten Fenstern statt Notfalleinsätzen.
Voraussetzung für APC, kein Ersatz
Laufende Überwachung bestätigt, dass das APC/MPC-Modell noch gültig ist. Erkennt die Überwachung anormalen Betrieb, kann APC in den Beratungsmodus wechseln — zum Schutz von Produktqualität und Regler.
Schnellere Ursachenanalyse
Beitragsdiagramme zeigen die Größen hinter einer Abweichung, sodass die Untersuchung an der richtigen Stelle beginnt.
Einordnung in den Stack
Prozessüberwachung bildet die Basis des Optimierungsstacks. Sie braucht weder APC noch Soft-Sensoren — sie arbeitet mit den PLS-/Historian-Daten, die bereits vorhanden sind. Sie ermöglicht aber alles darüber: APC sollte nicht auf einem Prozess eingesetzt werden, der statistisch nicht beherrscht ist, und Soft-Sensoren sollten gegen MSPC validiert werden, bevor sie als APC-Eingänge dienen.
Relevante Design-Muster
30-Min Technik-Fit-Call buchen
Wenn Sie statistische Prozessüberwachung einführen, ein bestehendes Alarmsystem validieren oder die Grundlage für APC schaffen möchten — ein 30-minütiges Gespräch reicht zur Aufwandsschätzung.
30-Min Technik-Fit-Call buchen →