Anomalieerkennung

Anomalieerkennung

BTC-Anomalieerkennung zur intelligenten Zustandsüberwachung in Echtzeit - Maximale Reaktionsfähigkeit und Reduktion von Ausfallzeiten.

Mit unserem Verfahren können Assets (Windturbinen, Produktionsanlagen) oder komplexe Systeme (IT-Netze, Stromnetze) auf eine völlig neuartige Weise überwacht werden. 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. 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.

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. 

Predictive Maintenance
In diesem kurzen Vortrag wirft Dr. Ulrich Keil einen Blick auf technologische KI/Big-Data Grundlagen. Praxisnah betrachten wir eine konkrete IoT-BigData Anwendung, die den Mehrwert dieser KI-Methodik umsetzt. Wir schließen mit einer Betrachtung relevanter und zukunftsweisender Geschäftsmodelle in Produktion und Gewerbe.
BTC AG
Anomalieerkennung
BTC AG
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.

Neugierig geworden?

BTC AG

Kontakt

BTC AG
Dipl.-Phys. Nils André Treiber Team Data Science und Künstliche Intelligenz