Alarmanalyse

Mustererkennung zur Analyse von Fehlermustern in Meldungsdaten

Während des Betriebs von Anlagen wird eine große Datenmenge erzeugt, die auch Meldungs- und  Prozessdaten beinhalten. Oft werden diese Daten nur für die Nachverfolgbarkeit und mögliche Gewährleistungsfälle ausgewertet. Durch Big Data, Cyber-Physikalische Systeme (CPS), Industrie 4.0 Technologien und Data Mining Methoden ist es möglich die erzeugten Daten automatisch auswerten zu lassen um Muster in den Daten zu erkennen. Ein Anwendungsfall ist Meldungsfluten in historisch aufgezeichneten Meldungsdaten zu identifizieren, um Hinweise für die Leistungssteigerung des entsprechenden Alarmmanagementsystems zu erkennen, bspw. durch die Reduzierung der Meldungsfluten.

Ein am Lehrstuhl entwickelter Algorithmus wurde für die Meldungsflutenidentifikation erforscht und an 12 unterschiedlichen Anlagen der Fertigungstechnik und Verfahrenstechnik evaluiert. Der Algorithmus findet automatisch über statistische Methoden kausale Zusammenhänge in historischen aufgezeichneten Meldungsarchiven. Durch die Analyse von Meldungsdaten wurden Meldungsfluten und deren unterschiedlichen Ursachen aufgedeckt. Hierbei wurden hauptsächlich Fehler in Alarmkonfigurationen und Meldungszusammenhänge basierend auf funktional abhängigen Sensoren und Aktoren identifiziert, die den Anlagenbetreibern für ein Re-Engineering zur Verfügung gestellt wurden.