Selbstlernendes Condition Monitoring System für diskrete und kontinuierliche Daten in Anlagen der Chemieindustrie
Anomalien in Industrieprozessen frühzeitig erkennen und Produktionsausfälle vermeiden (SMAC)
Condition Monitoring Systeme erfüllen eine wichtige Aufgabe in der industriellen Produktion. Sie überwachen die Anlagen und erkennen Abweichungen zu deren Normalverhalten. So sollen frühzeitig unerwünschte Änderungen im Verlauf eines Prozesses erkannt werden, um schon im Vorfeld eingreifen zu können und Produktionsausfälle zu vermeiden.
Die Jowat SE mit Sitz in Detmold gehört zu den weltweit führenden Anbietern von Industrieklebstoffen. Diese werden in vielen unterschiedlichen Industriezweigen eingesetzt, wie der Möbelproduktion, der Elektroindustrie oder der Automobilbranche. Durch die vielfältigen Einsatzbereiche der Klebstoffe werden hohe Anforderungen an deren Qualität gestellt.
Um Fehler in der Produktion oder einen Qualitätsverlust frühzeitig erkennen zu können, setzt das Unternehmen an einigen Anlagen ein Condition Monitoring System ein. Hierbei handelt es sich bisher um ein einfaches System auf Basis von Automatenlernverfahren, welches die Reihenfolge und die Dauer der einzelnen Prozessphasen erlernt. Das System zeigt die aktuelle Prozessphase, sowie mögliche erkannte Anomalien in einer grafischen Benutzeroberfläche.
Es hat sich herausgestellt, dass die Überwachung der Prozessphasen bezüglich ihrer Dauer und Reihenfolge nicht ausreichend ist, um den Qualitätsanforderungen zu genügen. So finden die kontinuierlichen Sensorsignale, also Messungen aus der Anlage, bisher keine Beachtung in der Anomalieerkennung. Diese sind jedoch sehr aussagekräftig. So können beispielsweise abweichende Temperatur- oder Druckverläufe auf Fehler im Prozess hinweisen.
Deshalb sollen in einem ersten Schritt maschinelle Lernverfahren für hybride Prozessmodelle für den Anwendungsfall der Klebstoffproduktion weiterentwickelt werden. Diese sind im Rahmen eines Vorprojektes entstanden und können sowohl die diskreten Prozessphasen als auch die kontinuierlichen Signalverläufe abbilden. Das Prozessmodell soll mit in der Produktion aufgezeichneten Daten trainiert werden und anschließend in Echtzeit die Sensormessungen der Anlagen auswerten.
In einem zweiten Schritt soll eine graphische Benutzerschnittstelle entwickelt werden, welche die Auswertung der Prozessphasen durch das Prozessmodell visualisiert und so für Anlagenbediener nutzbar macht. Sie soll weiterhin Auskunft über den Zustand der Anlage geben sowie Fehler und Anomalien in Form von Alarmen ausgeben.
Das Projekt gilt als erfolgreich, wenn das Condition Monitoring System auf verschiedenen Anlagentypen eingesetzt werden kann und zu einer Steigerung der Anlagenproduktivität führt, indem Produktionsausfälle und Anlagenstillstände verringert werden.