🚧 WEBSITE IN ARBEIT 🚧
Greenformance Systemaufbau
Vom schnellen Einstieg mit vorhanden Zählerdaten bis zur Echtzeit-Maschinendiagnose
Die Greenformance Optimizer Applikation läuft in einem Docker Container und erhält die Messdaten / Produktionsdaten über vorgelagerte IoT Gateways, SPS u. DSPs je nach Anwendungsfall wie unten beschreiben.
Drei Ausbaustufen – passend zur Dynamik Ihrer Anlagen
Essentials – Zählerdaten & Transparenz (typisch 1–15 Minuten)
Sofort Transparenz und schnelle Einsparungen – mit geringem Aufwand.
Typischer Aufbau
- Smart-Sensoren/Zähler (z. B. Strom, Wärme, Druckluft-Verbrauch, Zählerstände)
Was Sie damit erreichen
- Grundlast, Standby und Leerlauf sichtbar machen
- Verbraucher vergleichen (Top-Verbraucher, Wochenprofile)
- Auffälligkeiten erkennen (z. B. „läuft am Wochenende“)
Typische Monitoring-Ebenen
- Werksebene (Startpunkt)
- Maschinenebene (für Hauptverbraucher)
Datenfluss: Sensor → IoT Gateway → Greenformance PC
Alternativ schnelles Setup über Greenformance IoT Messbox!
Insights – Maschinenkontext & Ursachen (unter 1 Sekunde)
Ursachen finden statt nur messen
Typischer Aufbau
- Industriesensorik (robust, maschinennah)
- Anbindung über SPS mit leistungsfähigem Interface zur Maschinensteuerung
Was Sie damit erreichen
- Energieverbrauch im Kontext von Zuständen (Produktion / Stillstand / Rüsten)
- Fehlerhafte Prozessabläufe erkennen (durch Process-Mining)
- Leckagen und Fehlbetrieb außerhalb Betriebszeiten erkennen
- Maßnahmen priorisieren nach Wirkung und ROI
- Optional: Abschaltung der Maschinen
Typische Monitoring-Ebenen
- Maschinenebene
- Prozessebene (Linien/Abschnitte)
- Werksebene (Verdichtung & Reporting)
Datenfluss: Sensor + Maschine → SPS → Greenformance PC
Alternativ schnelles Setup über Greenformance IoT Messbox!
Performance – Hochauflösende Messung & detaillierte Diagnosen (unter 1ms)
Frühwarnsystem für kritische Anlagen.
Typischer Aufbau
- Hochleistungssensoren
- Anbindung Sensorik über DSP
- SPS zur Echtzeitsteuerung
Was Sie damit erreichen
- detaillierte Zustandsüberwachung (z. B. Antriebe, Lager, Schwingungen, Stromsignaturen)
- frühere Fehlererkennung statt ungeplanter Stillstände
- Optional: Echtzeit-Prozessoptimierung (Kaskadenregelung)
Typische Monitoring-Ebenen
- Maschinenebene (Fokus)
- Prozessebene (wenn mehrere Maschinen gemeinsam wirken)
- Werksebene (Verdichtung: Status & Nutzen)
Datenfluss: Sensor + Maschine → DSP + SPS → Greenformance PC