moneo DataScience Toolbox – Die künstliche Intelligenz
Was ist der SmartLimitWatcher?
Der SmartLimitWatcher ist das erste Tool der moneo Data Science Toolbox, die Lösungen für die Produktion auf Basis künstlicher Intelligenz bietet. Anwender profitieren von der permanenten Überwachung der kritischen Prozessgröße (Zielvariable) in Bezug auf die Produktionsqualität oder den Anlagenzustand (z. B. Temperatur, Durchfluss, Vibration, Stromaufnahme). Anomalien der Zielvariablen werden automatisch und frühzeitig erkannt.
Der SmartLimitWatcher wird mithilfe von historischen Daten trainiert, welche einen permanenten, zuverlässigen Soll-Ist-Abgleich zwischen gemessener und vorhergesagter Zielgröße erlauben. Die zusätzliche Berechnung dynamischer Erwartungsbereiche (Konfidenzbänder) für die Zielvariable erlaubt die permanente Bewertung des gemessenen Verhaltens der Zielgröße sowie der automatischen Anzeige von Abweichungen.
Im Unterschied zur statischen Prozesswertüberwachung, sind bei der dynamischen Grenzwertüberwachung die Grenzwerte abhängig vom aktuellen Prozesszustand der Maschine oder Anlage. Hilfsvariablen beschreiben dabei den Prozesszustand der Maschine oder Anlage. Anhand eines mathematischen Modells werden mithilfe dieser Hilfsvariablen die dynamischen Grenzwerte berechnet. Bei einer Abweichung (Anomalie) wird automatisch eine Warnung oder ein Alarm ausgegeben.
Voraussetzungen für den erfolgreichen Einsatz des SmartLimitWatchers
- Es sind mindestens 2 Prozessgrößen notwendig:
- Eine Prozessgröße als Zielvariable, die überwacht werden soll
- Mindestens eine weitere Prozessgröße als Hilfsvariable
- In der verfügbaren Datenhistorie sollten ausreichend gewünschte Betriebszustände enthalten sein. (Alle Zyklen eines Prozesses sollten mehrfach aufgezeichnet sein. Dies ist wichtig bei Applikationen wie Filtern o.ä.)
- Der zu überwachende Prozess muss einen Prozesszusammenhang (nicht linear/linear) zwischen Zielvariable und den Hilfsvariablen besitzen. Dieser Zusammenhang muss über die verfügbaren Daten entsprechend erfasst sein. Gut geeignet sind daher alle mechanisch gekoppelten Systeme. (Der zugrundeliegende Prozesszusammenhang muss dabei nicht durch Formeln beschreibbar sein.)
- Der Prozesszusammenhang, der zur Überwachung angelernt wurde, muss auch in Zukunft gültig sein. (Beispiel: Änderungen am zu überwachenden System bedürfen einem neuen Training.)
- Zur Überwachung der Zielvariablen dürfen keine „künstlichen“ Hilfsvariablen verwendet werden, die aus der Zielvariablen abgeleitet wurden, z.B. durch Berechnung.
- Zwischen der Werteänderung der Zielvariablen und denen der Hilfsvariablen sollte dementsprechend keine zu große Verzögerung liegen. (Beispiel: Langsame thermodynamische Reaktionen)
- Es sollten keine Prozesse mit sehr „verrauschten“ Messwerten betrachtet werden, da in diesem Fall kein präzises Modell trainiert werden kann.
Einsatzmöglichkeiten
Die KI des SmartLimitWatchers kann in unterschiedlicher Weise zur Prozessüberwachung eingesetzt werden. Zum einen zur Überwachung vergleichbarer Maschinenkomponenten oder zum Monitoring einzelner Anbauteile oder Messgrößen.
1. Horizontaler Einsatz
Überwachung mit Hilfe vergleichbarer Maschinenkomponenten.
Hinweis für den horizontalen Einsatz
Die angeschlossenen Maschinenkomponenten sind in einem Prozess oder in der gleichen Anlage eingebunden und stehen in einer physikalischen Abhängigkeit zueinander. Von Vorteil ist, dass sie nur wenige Sensoren bzw. Messwerte benötigen, um Anomalien zu erkennen.
2. Vertikaler Einsatz
Detaillierte Überwachung eines Bauteils mit mehreren Messwerten.