Forschung für den Mittelstand - Die IGF-Projektdatenbank

Assistenzsysteme zur Überwachung von vernetzten Anlagen - Herausforderungen beim Vernetzen sowie beim Erkennen von kausalen Zusammenhängen in Industrie 4.0 Umgebungen

Forschungsziel: In den letzten Jahren hat sich die Komplexität der Produktionsanlagen stark erhöht, was langfristig zu einer Überforderung der Anlagenbediener und Instandsetzer führt. Insbesondere die Suche nach der Ursache eines Fehlers stellt Anlagenbetreiber vor Herausforderungen. Eine automatische Suche nach der Fehlerursache ist in der Regel nicht möglich, da hierzu die Kausalitäten zwischen der Ursache und der dazugehörigen Wirkung bekannt sein müssen. Diagnoseassistenten stellen eine Lösung dar, hierbei besteht jedoch Forschungsbedarf, um die Kausalitäten zwischen einem Ereignis und der entsprechenden Auswirkung im System zu lernen und bei einem Fehlerfall klare Hinweise zur Ursache des Fehlers liefern zu können. Hierbei gilt es, Kausalitäten in lokal begrenzten Modulen, aber auch in verteilten Systemen zu lernen.

Lösungsweg: Zur Lösung des Problems werden in diesem Projekt drei Themengebiete aufgegriffen:

1. Datengetriebene Erkennung von kausalen Zusammenhängen im System

2. Aufbau von lokalen Diagnoseassistenten

3. Dynamische Vernetzung von lokalen Diagnoseassistenten zu einem globalen Assistenzsystem

Angestrebte Ergebnisse: Das in diesem Projekt zu entwickelnde Assistenzsystem für verteilte Anlagen wird in der Lage sein, kausale Zusammenhänge im System zu erlernen und dieses gewonnene Wissen zur Lokalisierung der Fehlerursachen zu verwenden. Ferner wird eine Aussage bzgl. der dynamischen Vernetzung lokaler Diagnoseassistenten zu einem globalen Assistenzsystem getroffen.

Nutzen für KMU: Der Nutzen für die KMU besteht in der Ableitung von Vorgehensweisen für datengetriebene Kausalitätsanalysen und Möglichkeiten der Vernetzung von lokalen Diagnosesystemen zu einem globalen Assistenzsystem. Es wird besonders auf herstellerunabhängige Standards gesetzt. Aus diesen standardisierten Komponenten können Unternehmen im Anschluss Produkt- und Service-Angebote auf Kundensegmente oder einzelne Kunden zuschneiden, was in Deutschland ein durch KMU geprägter Markt ist.

Ergebniszusammenfassung:

Entlang des Projektes AgAVE wurden Grundlagen für ein intelligentes Assistenzsystem geschaffen. Damit wird es dem Anlagenbetreiber ermöglicht, die Produktionsprozesse mithilfe von Verfahren des maschinellen Lernens zu analysieren und frühzeitig Anomalien an den eingesetzten Anlagen und Maschinen zu erkennen. Darüber hinaus ist das System fähig, entlang einer Trainingsphase die einzelnen Produktionsschritte, die später überwacht werden sollen, selbständig zu erlernen. So wird es KMU, die bspw. Assistenz- bzw. Expertensysteme in ihrem Portfolio haben, ermöglicht, ihre Produkte um eine automatische Anomalieerkennung zu erweitern. Sie tragen somit einen wesentlichen Teil zur prädiktiven Wartung von Anlagen und Maschinen bei. Dadurch wird den Anlagenbetreibern eine gesteigerte Verfügbarkeit der Maschinen und Anlagen gewährleistet. Sie kann um 30% bis 50% im Vergleich zu den Produktionszeiträumen ohne prädiktive Wartung gesteigert werden. Weiterer positiver Aspekt ist die Steigerung der Lebensdauer der Maschinen und Anlagen um ca. 20% bis 40%. Dies reduziert außerdem die Wartungskosten um 18% bis 25%. Dies entlastet besonders KMU, da die Wartungs- und Instandhaltungkosten teilweise bis zu 40% der Gesamtkosten betragen können. Anlagenherstellern, oft ebenfalls KMU, wird die Möglichkeit geboten ihre Produktionsanlagen mittels der geschaffenen Grundlagen mit Analyseassistenten auszustatten. Für sie eröffnen sich neben dem eigentlichen Verkauf ihrer Anlagen auch neue Geschäftsmodelle. So gibt es neben der Möglichkeit, Expertensysteme oder intelligente Assistenzsysteme als Bestandteil von Produktionsanlagen zu vertreiben, ebenfalls die Möglichkeit die Maschine nicht mehr direkt als solche zu verkaufen, sondern Betriebszeit der Maschine. Dies eröffnet gleichzeitig für den Betreiber der Maschine oder Anlage die Möglichkeit, nur für die eigentliche Nutzung zu bezahlen. Somit wird der Hersteller aufgrund der Pay-Per-Use-Methode sicherstellen müssen, dass die Anlage möglichst oft einsatzfähig ist.