PIMS als Dateninfrastruktur für Predictive Maintenance in Ethernet-APL-Netzwerken

NOA-basiertes Konzept für die Prozessindustrie

Autor/innen

  • Daniel Gladka TH Köln
  • Alen Mahendrarajah TH Köln
  • Prof. Dr. Nicolas Bennerscheid TH Köln

DOI:

https://doi.org/10.17560/atp.v68i9.2839

Schlagworte:

NOA, NOA-Diode, NOA Informationsmodell, Predictive Maintenance, Prozessleittechnik, OPC UA, PA-DIM, Ethernet APL, Ethernet-APL, PROFINET

Abstract

Dieser Beitrag stellt ein Plant Information Management System (PIMS) als zentrale Dateninfrastruktur für Predictive Maintenance
in verfahrenstechnischen Anlagen vor. Über einen rückwirkungsfreien Seitenkanal basierend auf der NAMUR Open Architecture (NOA)
werden Prozesswerte und Gerätediagnosedaten einer KI-gestützten Anomalieerkennung zugeführt. Im Fokus stehen Ethernet-APL-basierte Neuanlagen während HART-transparente Brownfield-Anlagen als Migrationsszenario betrachtet werden. An einer Testanlage der TH Köln wurde der Datenfluss über neun Feldgeräte mit 63 Messstellen realisiert. Injizierte Anomalien erkannte die KI zuverlässig und vor
der NE-107-Gerätediagnose. Zudem werden Reifegradlücken marktverfügbarer Komponenten aufgezeigt.

Autor/innen-Biografie

Alen Mahendrarajah, TH Köln

Alen Mahendrarajah ist wissenschaftlicher Mitarbeiter an der Technischen Hochschule Köln sowie geschäftsführender Teamleiter im PLT-Labor, in dem er zudem das Ethernet-APL-Team verantwortet. Darüber hinaus ist er auditierter Prüfingenieur für die Zertifizierung von PROFINET over APL-Geräten. Seine fachlichen Schwerpunkte liegen in den Bereichen PLT-Engineering, Explosionsschutz, funktionale Sicherheit, Cyber Security und Predictive Maintenance. Als Geschäftsführer der Lehrstuhlgesellschaft engagiert er sich zudem in der strategischen Weiterentwicklung und unterstützt Unternehmen in der Prozessautomatisierung mit praxisnahen und innovativen Lösungen.

Veröffentlicht

24.09.2026

Ausgabe

Rubrik

Work-In-Progress Beitrag / Peer-Review

Am häufigsten gelesenen Artikel dieser/dieses Autor/in