Forschung für den Mittelstand - Die IGF-Projektdatenbank

Cloud-basierte Assistenzsysteme zur Überwachung komplexer Produktionsanlagen und Anlagenkomponenten

1. Forschungsziel: Ziel des Projektes ist die Entwicklung eines Cloud-basierten Condition Monitoring Systems (CMS). Das CMS soll in komplexen Produktionsanlagen verschiedener Branchen (u. a. in der holzverarbeitenden, der Automobil- und der Stahl-verarbeitenden Industrie) eingesetzt und an Kunden-individuelle Einsatzszenarien angepasst werden können.

2. Angestrebte Ergebnisse: In dem Projekt soll ein Cloud-basiertes CMS entwickelt werden, welches durch generische Prozessmodelle und maschinelle Lernverfahren an verschiedene Produktionsanlagen und Kunden-spezifische Einsatzszenarien adaptiert werden kann. Das CMS soll aus einem Modul zur Datenerfassung sowie aus selbstlernenden Modulen zur Anomalie-Erkennung und zur Diagnose bestehen. Offene wissenschaftliche Fragestellungen bei dieser Zielstellung ergeben sich hinsichtlich der Skalierung existierender selbstlernender Anomalie-Erkennungsverfahren auf komplexe Produktionsanlagen sowie die Entwicklung selbstlernender Diagnosemethoden zur Identifikation von Fehlerursachen.

3. Lösungsweg: Zu Projektbeginn sollen die Anforderungen an ein Cloud-basiertes CMS erfasst und dokumentiert werden. In der ersten Projekthälfte sollen weiterhin die Datenerfassung und die Anomalie-Erkennungsverfahren, die lokal lauffähig sind, entwickelt werden. Darauf aufbauend soll in der zweiten Projekthälfte zunächst die Fehlerursachen-Erkennung untersucht werden. In der letzten Projektphase sollen die Entwicklung der Benutzerschnittstellen, die Auslagerung rechenintensiver Prozesse in die Cloud und eine systematische Evaluation der entwickelten Methoden durchgeführt werden.

4. Nutzen für KMU: Durch das Projekt sollen insbesondere KMU, denen die Ressourcen für Kunden-individuelle Implementierungen und Konfigurationen fehlen, in die Lage versetzt werden, CMS wirtschaftlich zu entwickeln und anzuwenden.

Ergebniszusammenfassung:

In dem durchgeführten Projekt wurden Lösungen entwickelt, welche den Einsatz von Condition Monitoring Systemen (CMS) insbesondere im Sondermaschinenbau erleichtern. Zum einen wurden neue Condition Monitoring Methoden erarbeitet, welche dazu beitragen, den Anlagenzustand in verschiedenen Betriebssituationen hinreichend genau zu beurteilen. Zum anderen wurden Hürden bei der Implementierung und Inbetriebnahme überwunden, welche durch manuelle Konfigurationen und Anpassungen an unterschiedliche Anlagen entstehen. Dies wurde durch benutzerfreundliche Visualisierungskomponenten, eine einheitliche Datenanbindung sowie den Einsatz maschineller Lernverfahren erreicht. Das entwickelte System passt sich automatisch an existierende Anlagen an und detektiert Anomalien und Fehlerursachen auf der Grundlage einer gelernten Repräsentation des Systemverhaltens. Hierzu werden in einer Trainingsphase Analyse- und Diagnosemodelle aus historischen Prozessdaten gelernt und während des Betriebs des CMS zur Anomalie-Erkennung und zur Diagnose von Fehlerursachen verwendet. Durch die entwickelte Lösung werden die Entwicklungs- und Inbetriebnahmekosten für CMS erheblich reduziert und insbesondere ein wirtschaftlicher Einsatz in kundenspezifischen Anlagen, die nur in kleinen Stückzahlen produziert werden, erreicht.

KMU aus unterschiedlichen Industriezweigen entlang der gesamten Wertschöpfungskette können Nutzen aus den Ergebnissen des Vorhabens ziehen. Für Anwender ergibt sich durch das Projekt die Möglichkeit, CMS ohne aufwendige Programmierung und Konfiguration in verschiedenartige Produktionsanlagen zu integrieren. Systemanbieter und Komponentenhersteller können durch Projekt Know-how im Bereich Cloud-basierter CMS aufbauen und die Projektergebnisse zur Erweiterung des Produktportfolios im Bereich Cloud-basierter CMS verwenden.