Beitrag drucken

Künstliche Intelligenz

Muster in Produktionsdaten erkennen mit IFM Moneo

In modernen Produktionsanlagen fallen täglich große Mengen an Daten an. Doch oft werden sie nicht verarbeitet. IFM senkt mit dem Moneo|PatternMonitor sowie dem Moneo|SmartLimitWatcher die Einstiegshürden und hilft Unternehmen dabei, Muster in den Produktionsdaten zu erkennen. Vorausschauende Wartung wird dadurch greifbar.

Der Moneo|PatternMonitor zeigt Muster in Produktionsdaten auf. (Bild: IFM Electronic GmbH)

Der Moneo|PatternMonitor zeigt Muster in Produktionsdaten auf. (Bild: IFM Electronic GmbH)

Im Idealfall erkennen Industrieunternehmen eine Störung, bevor der Ausfall eines Bauteils droht. Das ist in der Praxis oft gar nicht so leicht umzusetzen. Die relevanten Daten fallen zwar in großen Mengen an, deren Aufbereitung sowie Analyse ist nach wie vor vielerorts nicht der Standard. Dafür bietet IFM mit dem PatternMonitor und dem SmartLimitWatcher zwei Werkzeuge aus der IIoT-Plattform Moneo an, um die Mustererkennung und Prozessüberwachung zu ermöglichen.

Vom Sensor bis in die Cloud

Die Plattform selbst ist modular aufgebaut und somit individualisierbar. Ein Fokus liegt zudem auf Condition Monitoring. Durch die permanente Auswertung von Zustandsdaten werden Betriebsdaten visualisiert, Grenzwertüberschreibungen erkannt und Alarme ausgelöst. Diese Alarmgrenzen spielen auch dann eine Rolle, wenn künstliche Intelligenz in den Überwachungsprozess eingreift. Die algorithmenbasierten Analysemethoden werden in der Moneo|DataScience Toolbox gebündelt. Der SmartLimitWatcher darin ermöglicht die automatische und frühzeitige Erkennung von Anomalien im Prozess anhand von festgelegten Ziel- und Hilfsvariablen. Das Werkzeug setzt dynamische Grenzwerte anhand eines KI-Datenmodells, das auf historischen Produktionsdaten aufbaut. Dadurch ist ein dauerhafter Soll-Ist-Vergleich möglich. Ergänzt um Anwendungen zur Mustererkennung entstehen weitere Potenziale.

Muster aufdecken

Der zur DataScience Toolbox gehörende PatternMonitor erlaubt genau diese Mustererkennung. Die KI-basierte Software sucht nach Strukturveränderungen in den ausgewählten Prozessvariablen. Das ermöglicht die Überwachung von stationären und kontinuierlichen Prozessen. Abweichungen bei Temperatur, Strömung oder Vibration fallen auf und werden berücksichtigt. Der PatternMonitor sucht nach drei unerwarteten Mustern: Bei Zu- oder Abnahme der Schwankungsintensität wird die Volatilität bestimmt. Eine allmähliche Niveauänderung zeigt einen potenziell gefährdenden Trend an. Die plötzliche oder stufenweise Zu- und Abnahme von Prozesswerten stuft die Software als Niveauwechsel ein. Expertenwissen soll zur Bedienung der Mustererkennung nicht nötig Diese läuft in fünf Schritten ab: Zuerst werden Zielvariable und den Zeitraum gewählt, anschließend der Modus definiert, in dem der Bewertungszeitraum analysiert werden soll. Das Programm erlaubt dazu eine manuelle oder automatische Einstellung des Analyseintervalls. Per Knopfdruck berechnet das Tool die Parametrierung zur Mustererkennung, Nutzer können es aber später noch ändern. Schließlich aktiviert der Nutzer die Musterüberwachung und das Programm startet die permanente Hintergrundüberwachung.


Das könnte Sie auch interessieren:

Mit dem Cyber Resilience Act formuliert die EU Sicherheitsanforderungen für Produkte mit digitalen Elementen, also auch Software. Einige Formulierungen im CRA stießen jedoch in der Open Source Community auf Bedenken hinsichtlich möglicher Rechtsunsicherheiten. Diese scheinen nun ausgeräumt.‣ weiterlesen

EBM-Papst hat im August eine chinesische Fabrik aufgedeckt, die gefälschte Produkte des Ventilatorenhersteller verkaufte. Durch den Hinweis eines Kunden wurde das Unternehmen auf mögliche Unregelmäßigkeiten aufmerksam.‣ weiterlesen