Suchen

Industrie 4.0 Prozessoptimierung durch selbstlernende Diagnose

| Redakteur: Tobias Hüser

Abweichungen von der Norm und mögliche Fehlerquellen erkennen hat vor allem für die Minimierung von Ausfallzeiten in Produktionsanlagen höchste Priorität. Das Institut für Industrielle Informationstechnik (inIT) der Hochschule Ostwestfalen-Lippe hat nun eine neue adaptive Diagnosemethode entwickelt, die genau diese Anforderungen erfüllt.

Firma zum Thema

Das Institut für industrielle Informationstechnik (inIT) der Hochschule Ostwestfalen-Lippe ist eine Forschungseinrichtung auf dem Gebiet der Prozessinformatik und beschäftigt mehr als 60 Mitarbeiter in den Bereichen Echtzeitkommunikation, industrielle Bildverarbeitung und verteilte Echtzeit-Software.
Das Institut für industrielle Informationstechnik (inIT) der Hochschule Ostwestfalen-Lippe ist eine Forschungseinrichtung auf dem Gebiet der Prozessinformatik und beschäftigt mehr als 60 Mitarbeiter in den Bereichen Echtzeitkommunikation, industrielle Bildverarbeitung und verteilte Echtzeit-Software.
(Bild: Hochschule Ostwestfalen-Lippe)

„Der besondere Vorteil der neuen Diagnosemethode ist, dass für die Anwendung beim Nutzer kein Expertenwissen nötig ist“, erklärt Prof. Dr. Oliver Niggemann vom inIT. „Das neue Verfahren ist ein Beispiel für den neuen Ansatz von Industrie 4.0: Die Automatisierungstechnik wird intelligent, bei uns lernt das System automatisch, wann eine Situation normal ist und wann ein Fehler vorliegt.“

Der neue Algorithmus arbeitet dabei nach dem menschlichen Vorbild: Bedient eine Person eine Maschine über einen längeren Zeitraum, so erzeugt ihr Gehirn eine Art Modell des zugrundeliegenden Prozesses. Jede Abweichung von diesem Normalverhalten erkennt das menschliche Gehirn intuitiv als Anomalie. Auch der vom inIT entwickelte Algorithmus arbeitet mit einem Modell des Anlagen-Normalverhaltens, das er mithilfe von Prozessdaten der vorhandenen Feldbussysteme erstellt. Im laufenden Betrieb vergleicht der Algorithmus sein Modell permanent mit den aktuellen Ist-Daten des Systems. Sobald er Abweichungen feststellt, erzeugt er eine Fehlermeldung.

Der Algorithmus kann dabei jederzeit „dazulernen“: Handelt es sich bei einer festgestellten Abweichung nicht um einen Fehler, kann der Nutzer die betreffende Aktion zum Modell des Normalverhaltens hinzufügen.

(ID:39403840)