Projektbericht: Entwicklung eines Analysesystems für Maschinendaten (Digitaler Zwilling) eines mittelständischen Energieversorgers
Die Ausgangssituation
- Nutzung von flüssigem Erdgas (LNG Liquefied Natural Gas) als Kraftstoff für den Schwerlastverkehr
- Kein vorhandenes Pipeline-Netz in Deutschland / Europa
- Kein vorhandenes Verteilnetzwerk in Deutschland / Europa
Die Aufgabe
- Aufbau eines Verteilungsnetzes für flüssiges Erdgas
- Integration des modalen Verkehrs – Schiff, Schiene, Straße – in eine Verteilstrategie
- Zentrale, vorbeugende und vorausschauende Analyse des Bedarfs von flüssigem Erdgas an den verteilten Stationen
- Bedarfsorientierte und kostenoptimierte Versorgung der Tankstationen mit flüssigem Erdgas bei ständiger, uneingeschränkter Verfügbarkeit
Die Herausforderung
- Proprietäre Systeme ohne integrierte Schnittstellen in den Anlagen
- Nahezu in Realzeit Daten nutzen
- Eigene Algorithmen für vorbeugende Analysen entwickeln
Die Lösung
- Zyklisches Auslesen der proprietären Logdateien der Speicherprogrammierbaren Steuerungen (SPS) und Datenlogger
- Harmonisierung der Daten
- Analyse der so aufbereiteten Daten
- Nutzung von statistischen Methoden und stochastischer Prognosen, auch KI Künstliche Intelligenz genannt
- Bereitstellung der aufbereiteten Daten in einem Dashboard
Das Ergebnis
- Ständige Verfügbarkeit von flüssigem Erdgas an den Tankstationen
Meine Position als Interim-Manager
- Mentor in fachlichen und inhaltlichen Fragen für die Geschäftsleitung
- Projektverantwortlicher / Projektmanager
- Stratege
- Umsetzer / Programmierer / Parametrierer
Einsatzdauer
- ca. 6 Monate / Teilzeit
Über das Unternehmen
- Mittelständischer Tankstellenbetreiber / Energieversorger
- ca. 60 Dieseltankstellen
- Versorger eines der größten Tanknetzwerke in Europa mit flüssigem Erdgas
Die wesentlichen von mir eingebrachten Erfolgsfaktoren
- Verständnis für die logistischen Prozesse
- Verständnis für die Steuerung der Tankanlagen
- Detaillierte Prozesskenntnisse
- Fundierte Kenntnisse der statistischen Methoden und stochastischen Prognosen
- Programmierkenntnisse