Anomalieerkennung
Maximale Reaktionsfähigkeit und Reduktion von Ausfallzeiten durch intelligentes Condition Monitoring
Anomalieerkennung zur intelligenten Zustandsüberwachung in Echtzeit
Mit unserem Verfahren können Assets (Windturbinen, Produktionsanlagen) oder komplexe Systeme (IT-Netze, Stromnetze) auf eine völlig neuartige Weise überwacht werden.
Vorgehensmodell Condition Monitoring
Analyse
In einer ersten Phase wird das Zusammenspiel aller Komponenten im Normalfall erlernt. Danach können Abweichungen zum frühestmöglichen Zeitpunkt detektiert werden, ohne dass explizit Schwellenwerte oder Regeln definiert werden müssen.
Das Verfahren bewertet auf diese Weise kontinuierlich den Anlagenzustand und ermittelt in Echtzeit die Schwere etwaiger Auffälligkeiten. Dazu wird der ermittelte Anomaliegrad zu Grunde gelegt.
Ursachenforschung
Bei der anschließenden Ursachenforschung bietet das Verfahren mit seiner integrierten root-cause-analysis eine wertvolle Unterstützung: Die Quellen der Anomalie, d.h. alle ursächlichen Zeitreihen, werden identifiziert und deren Zusammenspiel übersichtlich dargestellt. Anomalien können benannt und textuell anhand von Fachwissen des Benutzers genauer spezifiziert werden, um eine noch bessere Unterstützung für zukünftige Anwender zu gewähren.
Condition Monitoring
Die gewonnenen Erkenntnisse aus diesem sogenannten Condition Monitoring bilden die Grundlage für weiterführende Prozesse, die den Zeitpunkt von Wartungen datengetrieben ermitteln. Optimale Wartungen zeichnen sich dabei durch ein hohes Verhältnis von durchgeführten Arbeiten zu durchgeführten Wartungen aus - bei gleichzeitig niedriger Störungsrate im laufenden Betrieb.
Hier geht es zum Artikel Smartes Anlagen-Monitoring mit künstlicher Intelligenz aus der Zeitschrift IT & Production.
Anomalieerkennung
- In vielen Umgebungen einsetzbar
- Intelligentes Condition Monitoring von technischen Anlagen in Echtzeit
- Verarbeitung hochdimensionaler Maschinendaten
- Erkennung von bekannten und völlig neuartigen Anomalien
- Unterstützung bei der Ursachenforschung
Smartes Anlagen-Monitoring mit künstlicher Intelligenz
Optimale Wartung dank Anomalie-Erkennung: Datengetriebene Anwendungsfälle wie Predictive Maintenance gelten in modernen Produktions- und Fertigungsverfahren als Schlüssel zu höherer Effizienz und Wertschöpfung der Produktionsanlagen.
Innovative Analyse-Methoden zur Erkennung von abweichenden Werten (Anomalien) sind hier Vertretern klassischer regelgestützter Verfahren einen Schritt voraus.
Kontakt
Ihr Ansprechpartner
Malte Becker
Specialised Sales KI & Data Science