Was kommt nach Big Data?

Anbieter zum Thema

NAMUR e. V. c/o Bayer AG NAMUR-Geschäftsstelle

Fraunhofer-Anwendungszentrum Industrial Automation (IOSB-INA)

Bissantz & Company GmbH

Disy Informationssysteme GmbH

QUNIS GmbH

In dem Projekt wurden verschiedene modellbasierte und datenbasierte Anomalie-Erkennungsverfahren untersucht: Distanzbasierte Methoden berechnen die Entfernung potentieller Anomalien zu den nächsten Nachbarn in historischen Datensätzen. Regressionsmodelle und selbstorganisierende Karten werden dagegen verwendet, um Beobachtungen vorherzusagen und die vorhergesagten Werte mit den tatsächlichen Beobachtungen zu vergleichen.

Im Fall der Destillationskolonnen wurde ein datengetriebenes Systemmodell in Form einer selbstorganisierenden Karte erzeugt. Mit einer Watershed Transformation wurden die verschiedenen Prozessphasen oder Betriebszustände des Systems ermittelt (z.B. das Leeren und Füllen der Container). Dafür wurde eine Demonstrationsanlage erstellt, die im Kern aus zwei Containern besteht, zwischen denen Flüssigkeit in Zyklen mit verschiedenen Pumpenleistungen und Ventilöffnungen hin- und hergepumpt wird. Daraus resultierte eine selbstorganisierende Karte, mit der man in der Lage ist, dieses nichtlineare Verhalten abzubilden.

Basierend auf dieser gelernten selbstorganisierenden Karte wurde online das Prozessverhalten diagnostiziert. Eingriffe in das Prozessverhalten zeigen sich eindeutig im Verlauf des Quantisierungsfehlers der selbstorganisierenden Karte und lassen sich über eine Schwellwertentscheidung ermitteln. „Das Konzept wird aktuell auf großen Datensätzen, die sich für industrielle Destillationskolonnen ergeben, evaluiert. Erste Resultate zeigen, dass das Konzept erfolgreich auf Anwendungen aus der industriellen Praxis übertragen werden kann“, so Windmann.

Ausblick

Die Ergebnisse in Bezug auf die Destillationskolonne wurden mit historischen Daten aus der Produktion und einer Pilotanlage bei Bayer getestet. Aktuell arbeitet das Team an der Implementierung im laufenden Betrieb. Weiter soll die Übertragbarkeit auf andere Anwendungen und die Skalierbarkeit auf große Datenmengen noch verstärkt untersucht werden. Eventuell könnte es auch von Interesse sein, andere Datenquellen zu erschließen. So können Übergabedokumente von Schichten interessante Informationen über den Zustand der Anlage beinhalten.

Nicht nur für Destillationskolonnen könnte sich das Assistenzsystem als nützlich erweisen. Für Kraus sind die Erkenntnisse aus dem Projekt für alle chemischen Prozesse, die sich durch ein nichtlineares Verhalten auszeichnen, interessant. Hintergrund ist, dass eine physikalische Modellierung sehr aufwändig ist und einfache datengetriebene Modelle zu ungenau sind.

Anm. d. Red.: Das Projekt wird vom BMBF im Rahmen des Verbundprojektes AGATA gefördert und vom Projektträger im Deutschen Zentrum für Luft- und Raumfahrt betreut.

Dieser Artikel ist ursprünglich bei unserer Partnerpublikation Process erschienen. Verantwortlicher Redakteur: Dr. Jörg Kempf

(ID:44308371)