BTC-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.
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.