KI-basierte Erkennung von Anomalien bei Anlagenausfällen in industriellen Prozessanlagen
KI-basierte Erkennung von Anomalien bei Anlagenausfällen in industriellen Prozessanlagen
DOI:
https://doi.org/10.17560/atp.v63i5.2515Schlagworte:
Anomaly Detection, Explainable AI (XAI), Hi-Fi Process Simulation, Device Failures, Autoencoders, Convolutional Neural Networks (CNN), Timeseries DataAbstract
Die jüngsten Fortschritte bei industriellen Prozesssteuerungssystemen haben zu großen Mengen an Produktionsdaten geführt, insbesondere zu Zeitreihendaten von verschiedenen Geräten in einer Prozessanlage. Diese Daten bieten die Möglichkeit für KI-basierte
Anwendungsfälle, die Anlagenbetreibern helfen können, komplizierte Anlagenszenarien zu verstehen und vorherzusagen, damit sie ihre Anlagen effizienter und sicherer betreiben können. Ein wichtiger AI use case kann hierbei die Erkennung von Fehlern in Feldgeräten bieten, aufgrund des hohen Aufwands solche Fehler aufzuspühren und zu beheben. In diesem Beitrag wird die Erkennung von Fehlern in der verfahrenstechnischen Anlagenausrüstung mit Hilfe von neuronalen Netzwerkarchitekturen und statistischen maschinellen Lernmodellen behandelt.
Veröffentlicht
Ausgabe
Rubrik
Lizenz
Copyright (c) 2022 Vulkan-Verlag GmbHDie Zeitschrift und alle in ihr enthaltenen Beiträge und Abbildungen sind urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigungen, Übersetzungen, Mikroverfilmungen und die Einspeicherung und Bearbeitung in elektronischen Systemen. Auch die Rechte der Wiedergabe durch Vortrag, Funk- und Fernsehsendung, im Magnettonverfahren oder ähnlichem Wege bleiben vorbehalten.
