KI-basierte Erkennung von Anomalien bei Anlagenausfällen in industriellen Prozessanlagen – Ein Vergleich von neuronalen Netzen und statistischen Ansätzen
Die jüngsten Fortschritte bei industriellen Prozesssteuerungssystemen haben zu großen Mengen an Produktionsdaten geführt, insbesondere zu Zeitreihendaten von verschiedenen Geräten in einer Prozessanlage. Diese Daten bieten die Möglichkeit für KIbasierte Anwendungsfälle, die Anlagenbetreibern helfen können, komplizierte Anlagenszenarien zu verstehen und vorherzusagen, damit sie ihre Anlagen effizienter und sicherer betreiben können. Ein wichtiger AI use case kann hierbei die Erkennung von Fehlern in Feldgeräten bieten, aufgrund des hohen Aufwands solche Fehler aufzuspühren und zu beheben. In diesem Beitrag wird die Erkennung von Fehlern in der verfahrenstechnischen Anlagenausrüstung mit Hilfe von neuronalen Netzwerkarchitekturen und statistischen maschinellen Lernmodellen behandelt.
| Autoren | Marcel Di, Srishti Ganguly, |
|---|---|
| Erscheinungsdatum | 27.05.2022 |
| Format | |
| Verlag | Vulkan-Verlag GmbH |
| Sprache | Deutsch |
| Seitenzahl | 9 |
| Titel | KI-basierte Erkennung von Anomalien bei Anlagenausfällen in industriellen Prozessanlagen – Ein Vergleich von neuronalen Netzen und statistischen Ansätzen |
| Beschreibung | Die jüngsten Fortschritte bei industriellen Prozesssteuerungssystemen haben zu großen Mengen an Produktionsdaten geführt, insbesondere zu Zeitreihendaten von verschiedenen Geräten in einer Prozessanlage. Diese Daten bieten die Möglichkeit für KIbasierte Anwendungsfälle, die Anlagenbetreibern helfen können, komplizierte Anlagenszenarien zu verstehen und vorherzusagen, damit sie ihre Anlagen effizienter und sicherer betreiben können. Ein wichtiger AI use case kann hierbei die Erkennung von Fehlern in Feldgeräten bieten, aufgrund des hohen Aufwands solche Fehler aufzuspühren und zu beheben. In diesem Beitrag wird die Erkennung von Fehlern in der verfahrenstechnischen Anlagenausrüstung mit Hilfe von neuronalen Netzwerkarchitekturen und statistischen maschinellen Lernmodellen behandelt. |
