Options
2017
Report
Titel
Analyse großer Datenmengen in Verarbeitungsprozessen (AGATA). Abschlussbericht
Abstract
Ziel des AGATA-Projektes war es, intelligente Assistenzsysteme für industrielle und landwirtschaftliche Verarbeitungsprozesse zu entwickeln [1]. In solchen Verarbeitungs-prozessen fallen immer größere Datenmengen an, so dass die Produkte und damit die Verarbeitungssysteme immer komplexer werden. Die Menge der gespeicherten Daten ist in der verarbeitenden Industrie inzwischen größer als in jedem anderen Sektor - so wurden alleine 2010 fast zwei Exabytes neuer Daten gespeichert [2]. Hinzu kommen riesige Datenmengen (Sensordaten), die zwar erfasst aber aus Effizienzgründen nicht gespeichert werden. Daneben führen steigende Anforderungen an Verarbeitungssysteme, die fortschreitende Integration klassischer Informations- und Kommunikationstechnologie und die Entstehung eines ""Internets der Dinge" zu immer leistungsfähigeren Automatisierungssystemen [3]. Diese Entwicklungen haben zur Folge, dass immer mehr Daten in verschiedenen Subsystemen und Hierarchieebenen wie z.B. verschiedenen Netzwerken, MES (Manufacturing Execution System), SCADA (Supervisory Control and Data Acquisition) Systemen oder ERP (Enterprise Resource Planning) Systemen anfallen. Es sollten Verfahren zur Analyse der verfügbaren Informationen entwickelt werden, die Anomalien und Fehlerursachen automatisch erkennen, mögliche Fehlerursachen analysieren und die Informationen für den Anwender aufbereiten. Das entwickelte Assistenz-system soll die heterogenen Informationen hinter einer einheitlichen Benutzerschnittstelle verbergen und flexibel in heterogene Verarbeitungsprozesse integriert werden können. Dazu sollen ein geeigneter Datenerfassungsansatz und Methoden zur Prozessüberwachung, die durch Lernverfahren flexibel an veränderte Prozessabläufe angepasst werden können, entwickelt werden. Eine solche Lösung kann einfach in bestehende Verarbeitungssysteme integriert werden, da nur noch wenig Wissen (zumeist Struktur-wissen über die Anlage) über ein manuelles Engineering bzw. einen Datenimport eingepflegt werden muss. Als Projektergebnis sollte 1. eine Methode zur automatischen Detektion von Fehlern, Fehlerursachen, Anomalien und Optimierungsbedarf in Verarbeitungsprozessen entwickelt werden, 2. ein Prototyp dieser Methode in den Automatisierungssystemen verschiedener Verarbeitungsprozesse implementiert werden
Verlag
Fraunhofer IOSB
Verlagsort
Karlsruhe