Zwetschke

Datenbasierte Verfahren zur Modellgenerierung und -formulierung aus Produktionsdaten komplexer Industrieanlagen

Entwicklung und Evaluierung eines Verfahrens, das aus vorhandenen Produktionsdaten industrieller Anlagen automatisch Prozess- und Anlagenmodelle erstellt. Diese Modelle ermöglichen Optimierung von Produktion und Anlagen (Rohstoffeinsatz, Ausschuss, Produktqualität) bzw. Früherkennung von Fehlern.

Kurzbeschreibung

Status

laufend

Kurzfassung

Inhalt

IN komplexen Industrieanlagen (Chemie, Metallurgie, Papierindustrie) werden während der Produktion große Datenmengen aufgezeichnet. In diesem Projekt sollen diese Produktionsdaten verwendet werden, um ein besseres Verständnis von den Zusammenhängen zu erlangen, die das Verhalten einer Anlage bestimmen; insbesondere, wenn noch keine hinreichend gute physikalische Beschreibung existiert. Die Identifikation unbekannter Einflussgrößen oder Wechselwirkungen ermöglicht eine technologische Optimierung wie z.B. Reduktion des Ausschusses und der Nacharbeit, Optimierung des Rohstoff- und Energieeinsatzes, Erreichung neuer Produktionsqualitäten etc.

Ziel

Konkretes Ziel des Projektes ist die Validierung eines Verfahrens einer automatischen datenbasierten Modellierung, Fehlererkennung und -identifikation, das aus folgenden Schritten besteht:

  1. Automatische Datenverarbeitung: Die Eingangsdaten dieses Moduls sind Prozess- und Anlagendaten, wie sie typischerweise in industriellen Produktionsprozessen (z.B. zur Qualitätssicherung) aufgezeichnet werden. Besondere Berücksichtigung gilt dabei einer zuverlässigen, robusten und flexiblen Umsetzung, die OHNE Benutzereingriff erfolgt.
  2. Variablenselektion: Die Messkanäle (die aufbereiteten Eingangsdaten) werden mit linearen und nichtlinearen Methoden auf gegenseitige Beziehungen untersucht. Das Ergebnis dieses Schrittes ist eine Aussage, welche Messkanäle der Eingangsdaten mit welchen anderen in Beziehung stehen.
  3. Datenbasierte Modellierung: Bei Messkanälen, die zueinander in Beziehung stehen, wird die Art der gegenseitigen Wechselwirkung analysiert. Auch hier kommen lineare und nichtlineare Verknüpfungen zum Einsatz (lineare und polynomiale Modelle). Zusätzlich sind weitere Modellbildungsmethoden zu untersuchen und die mögliche Modellpalette zu erweitern (neuronale Netze, genetische Algorithmen).
  4. Fehlererkennung ist eine mögliche Weiterführung und basiert auf Abweichung zwischen dem tatsächlichen Messsignal und dem (errechneten) Modellausgang für dieses Messsignal.

Erwartete Ergebnisse

Die konkreten Ergebnisse des zu entwickelnden Verfahrens sind somit:

  • Für jeden ausgewählten Messkanal eine Aussage, welche anderen Messkanäle diesen beeinflussen. (Ergebnis der Variablenselektion)
  • Explizit formulierte (idealerweise graphisch dargestellte) Modelle, die die Zusammenhänge zwischen ausgewählten Messkanälen beschreiben. (Ergebnis der Modellierung)
  • Aussagen, welche Messkanäle (bzw. Gruppen von Messkanälen) zu welchen Zeiten ein abnormales Verhalten (gegenüber einem Referenzdatensatz) aufweisen. (Ergebnis der Fehlererkennung)

Bei Projekterfolg stellt dieses Verfahren den Grundbaustein für eine Reihe von Proudkten dar, die sich in der konkreten Anwendung unterscheiden und potentielle weitere Entwicklungsschritte darstellen:

  • Generelle Analyse von Prozessdaten und daraus resultierende Verbesserung der Modelle, die zur Steuerung und Regelung des Produktionsprozesses verwendet werden.
  • Anlagenspezifische Analyse von Prozess- und Anlagendaten ur Optimierung des Betriebs einer bereits realisierten Anlage. (Solche anlagenspezifischen Modelle sind derzeit wirtschaftlich nicht darstellbar.)
  • Unterstützung und Beschleunigung der Inbetriebsetzung von Neuanlagen bzw. des Wiederanfahrens nach Anlagenstillständen.
  • Diagnosesystem zur frühzeitigen Erkennung bzw. Vorhersage von Fehlern in Anlagendaten zur vorbeugenden Instandhaltung
  • Überwachung des allgemeinen Anlagenzustandes und Ableitung von Aussagen über aktuell mögliche Produktqualitäten.

Projektbeteiligte

Projektleiter

DI Dr. Bernhard Huch
VOEST-ALPINE Industrieanlagenbau GmbH & Co KG

Projekt- und Kooperationspartner

  • Linz Center of Mechatronics GmbH
  • JKU Linz - Institut für Design und Regelung mechatronischer Systeme

Kontaktadresse

DI Dr. Bernhard Huch
Turmstraße 44
4031 Linz
E-Mail: Bernhard.Huch@vai.at
Tel.: +43 (732) 6592-2960
Fax: +43 (732) 6980-4744
Web: www.vai.at

This content in English

Diese Seite teilen ...

zum Anfang