Prozessdatenanalyse

Wissensvorsprung durch Datenanalyse


Die Menge an Prozessdaten auf technischen Anlagen nimmt stetig zu. Industrie 4.0 und die steigende Anzahl von Online-Messgeräten tragen dazu bei, dass jeder Anlagenteil im Detail überwacht werden kann. Ohne eine eingehende Analyse bleibt die Information in den Daten ungenutzt.

Wir analysieren Ihre Prozessdaten nach Ihren Wünschen, suchen nach Zusammenhängen zwischen Prozessvariablen und nutzen die Information, um Prozesse zu optimieren und zu regeln.


Wir ertrinken in Informationen, aber hungern nach Wissen.

John Naisbitt


Datenaufbereitung

Jede Datenanalyse ist nur so gut wie die verwendeten Daten. Deshalb ist eine sehr gute Aufbereitung der Daten notwendig, um belastbare Informationen zu erhalten. Die folgenden Schritte erlauben es eine hohe Anzahl von Prozessvariablen unterschiedlicher Messbereiche mit einander zu vergleichen.
1
Messfehler und Datenlücken müssen im ersten Schritt gefunden und bereinigt werden. Ansonsten werden Analyseergebnisse verfälscht.

2
Prozessdaten müssen gefiltert und geglättet werden, damit vom Rauschen überlagerte Trends sichtbar werden.

3
Prozessdaten mit stark unterschiedlichen Messbereichen sind nur schwer direkt miteinander vergleichbar. Die Normierung der Daten von 0...1 oder -1...1 macht dies möglich.

4
Methoden des Machine Learning können schließlich auf die aufbereiteten Daten angewendet werden.

Machine Learning - intelligente Datenanalyse


Methoden der multivariaten Datenanalyse erlauben die Identifikation von Datenmustern, die wiederum einzelnen Prozesszuständen zugeordnet werden. Oftmals sind diese Muster nur schwer zu erkennen (Prozessatenwolke).
Diese Muster können aufgetrennt und sichtbar gemacht werden, sodass neue Prozessdaten automatisch zugeordnet werden. Dies erlaubt zu jeder Zeit die eindeutige Bestimmung des Anlagenzustandes. (Prozessdaten aufgetrennt nach Zuständen)
Weitere Anwendungsfelder für die Prozessdatenanalyse sind die Detektion von Einflussgrößen auf Prozesse und wie stark deren Einfluss ist. Meistens haben mehrere Prozessvariablen zusammen einen Einfluss auf den Prozess. Mit Hilfe einer Sensitivitätsanalyse werden die Prozessvariablen nach ihrem Einfluss eingeordnet und somit können Regelungen gezielt optimiert werden und kritische Prozesszustände früh erkannt oder vollständig vermieden werden.