Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Analyse großer Datenmengen in Verarbeitungsprozessen

 
: Windmann, Stefan; Volgmann, Sören; Niggemann, Oliver; Bernardi, Ansgar; Pfrommer, Holger; Steckel, Thilo; Krüger, Michael; Ross, Thomas

Automation 2016 - "Secure & reliable in the digital world" : 17. Branchentreff der Mess- und Automatisierungstechnik, 07. und 08. Juni 2016, Baden-Baden
Düsseldorf: VDI Verlag, 2016 (VDI-Berichte 2284)
ISBN: 978-3-18-092284-0
ISBN: 978-3-18-092284-3
14 S.
Branchentreff der Mess- und Automatisierungstechnik <17, 2016, Baden-Baden>
Kongress Automation <2016, Baden-Baden>
Deutsch
Konferenzbeitrag
Fraunhofer IOSB ()

Abstract
Die zunehmende Komplexität industrieller und landwirtschaftlicher Verarbeitungsprozesse und die ständig wachsenden Datenmengen führen dazu, dass Probleme und Fehler im Prozessablauf oft zu spät erkannt werden. Als Lösungsansatz wird im vorgestellten Projekt ein selbstlernendes Assistenzsystem entwickelt, das komplexe Verarbeitungsprozesse analysiert und Fehler, Anomalien und Optimierungsbedarf automatisch erkennt. Das entwickelte Assistenzsystem ermöglicht die Datenerfassung, die Prozessüberwachung sowie die automatische Erkennung und Analyse von Anomalien in industriellen und landwirtschaftlichen Verarbeitungsprozessen. Die Evaluierung wird in drei Anwendungsfeldern durchgeführt: Große Destillationskolonnen, landwirtschaftliche Verarbeitungsprozesse und große Sortieranlagen der Ressourcenwirtschaft. In dem Beitrag werden die für diese Anwendungsfelder entwickelten Infrastrukturen zur Datenerfassung, die entwickelten Algorithmen sowie erste experimentelle Ergebnisse vorgestellt.

 

The increasing complexity of industrial and agricultural manufacturing processes and the continuously growing amount of data have the impact that problems and faults in the processes are often detected too late. In this project, a self-learning assistance system is developed to cope with these challenges by automatic detection of failures, anomalies and the need for optimization. The developed assistance system accomplishes data acquisition, process monitoring and anomaly detection in industrial and agricultural manufacturing processes. Evaluation is conducted in three application cases: Large distillation columns, agricultural manufacturing processes and large-scaled sorting plants. In this paper, the developed infrastructures for data acquisition are described as well as the developed algorithms and initial evaluation results.

: http://publica.fraunhofer.de/dokumente/N-434728.html