KI/ML ermöglicht die automatisierte Analyse großer Datenmengen, um Anomalien und Muster zu erkennen, welche mit klassischen Methoden nicht sichtbar sind. Egal, ob es sich dabei um unstrukturierte Daten wie Kamerabilder, oder um unstrukturierte Daten z.B. aus SQL-Datenbanken der Produktion handelt.
Dabei lernt das ML-Modell z.B. den „Fußabdruck“ der Maschine (z.B. den Stromverbrauch) im Normalbetrieb. Weicht dieses Verhalten von dem bekannten Verhalten ab wird ein Fehler ausgegeben. Ein weiteres gängiges Beispiel in der Anomalie Erkennung ist die Qualitätssicherung basierend auf Kamerabildern. Dazu wird das ML-Modell mit Bildern von Teilen in guter Qualität und Bildern von Teilen in schlechter Qualität trainiert.
In der Abbildung ist der Stromverbrauch eines Extrudermotors ersichtlich. Die hier aufgetretenen Stromspitzen zeigen die Überlastung des Motors, was die in diesem Beispiel vorzeitigen Motorausfälle erklärt.
Abbildung: Analyse Stromverbrauch eines Extrudermotors mit Proficy CSense.
Eine weitere Anwendung findet die Anomalie Erkennung bei Cyber-Security-Anwendungen (z.B. Angriffserkennung). Hier erkennt der KI-Algorithmus Auffälligkeiten in den Netzwerkdaten, welche durch nicht erlaubte Netzwerkteilnehmer bzw. Angreifer auftreten.
-> Jetzt unverbindlich beraten lassen und mehr über die KI-basierte Anomalieerkennung erfahren <-
Anomalie-Erkennung: Dynamische Limits
Nach wie vor wird in der Produktion meist ausschließlich auf statische Grenzwerte zurückgegriffen, wodurch hohe Kosten durch Ausschuss, Maschinenausfälle und Energieverschwendung entstehen. Nutzen Sie die umfassenden Standardfunktionen von Proficy CSense, um die Alarmgrenzwerte automatisch einzustellen.
Die Vorteile sind:
- Bewährte Proficy CSense Standardlösung
- Tausende von Sensoren in Echtzeit überwachen
- Flexible Reaktion auf Prozessänderungen zur Minimierung von Fehlalarmen
- Probleme frühzeitig erkennen
- Einfache Integration in das übergeordnete Steuerungssystem / SCADA
- Keine historischen Sensordaten erforderlich (für Basisvariante)
Anwendungsbeispiel TOC-Sensor in der Pharmaindustrie
Vor der Projektumsetzung: Feste Grenzwerte für die Alarmierung. TOC-Veränderungen werden zu spät oder gar nicht erkannt, was zum Ausschuss von ganzen Chargen führte.
- Mit Proficy CSense wurden kleinste TOC-Veränderungen erkannt, bevor Probleme in der Produktion entstehen.
- Da der Algorithmus auf Veränderungen im TOC-Wert reagiert, benötigte man für die hunderten TOC-Sensoren im Werk nur eine einmalige Parametrierung, diese wurde durch T&G durchgeführt.
Abbildung: TOC-Überwachung mit dynamischen Limits in Proficy CSense.
