Frühzeitige Erkennung und Entscheidungsunterstützung für kritische Situationen im Produktionsumfeld
Bearbeiter
Zeitraum
September 2014 - Dezember 2017
Förderung
Bundesministerium für Bildung und Forschung
Kurzbeschreibung
Ein moderner hoher Automatisierungsgrad von Produktionsanlagen in vielen Branchen erlaubt einen wirtschaftlichen Betrieb auch in Hochlohnländern wie Deutschland. Jedoch führt dies dazu, dass Anlagenbediener im Gegensatz zu früher kaum Erfahrungen mit dem dynamischen Verhalten der Anlagen und dem Ablauf der industriellen Prozesse sammeln können. Dieses Erfahrungswissen fehlt dann gerade in unerwarteten Betriebszuständen, so dass Bediener dann von der Vielzahl an Alarmen und Meldungen überfordert sind. Bei Kontrollverlust können Menschenleben und Umwelt gefährdet werden und Schäden an Vermögungsgütern sowie teure Produktionsausfälle folgen.
Das Verbundvorhaben FEE hat sich daher zum Ziel gesetzt, die in den Anlagen seit Jahren aufgezeichneten heterogenen Daten von Sensoren, aus Engineering- und anderen Datenbanken, aus Prozess-Informations-Management-Systemen sowie aus Schichtbüchern und Betriebsvorschriften in einer gemeinsamen Analyseplattform zusammenzuführen und automatisiert zu integrieren. Darauf aufbauend werden mit Big-Data-Ansätzen Echtzeitmethoden entwickelt, um den Bediener frühzeitig warnen zu können und mit interaktiven Assistenzfunktionen bei der Entwicklung von Eingriffsstrategien zu unterstützen. Auf diese Weise soll proaktives statt reaktives Handeln ermöglicht werden.
Das Projektkonsortium besteht aus Forschungs-, industriellen Entwicklungs- und Anwendungspartnern, die im Verbund alle notwendigen wissenschaftlichen und industriellen Kompetenzen in den Bereichen Big Data, Data Mining, Automatisierungstechnik, Modellbildung, Mensch-Maschine-Interaktion und Anlagenbetrieb bündeln.
Das Fachgebiet Mess- und Regelungstechnik der Universität Kassel befasst sich in erster Linie mit den Detektions- und dynamischen Modellbildungs-Aspekten des Forschungsprojektes:
- Entwicklung von Verfahren zur frühzeitigen Detektion kritischer Situationen mit Hilfe von Methoden der Zeitreihenanalyse zur Verwendung in einer Big-Data-Analyseplattform
- Entwicklung von Verfahren zur Anlagenfahrer-Unterstützung in kritischen Situationen mit Hilfe von Systemidentifikationsmethoden zur Verwendung in einer Big-Data-Analyseplattform
- Test und Demonstration der entwickelten Verfahren für die Modellfabriken der Universität Kassel und der Technischen Universität Dresden sowie historische Daten aus Produktionsanlagen der assoziierten Partner
Kooperationspartner
- ABB AG
- Fachgebiet Wissensverarbeitung, Universität Kassel
- Professur für Prozessleittechnik, Technische Universität Dresden
- RapidMiner GmbH
Assoziierte Partner
- PCK Raffinerie GmbH
- INEOS Köln GmbH
- BASF SE
Studentische Arbeiten
Bitte klicken Sie auf den folgenden Link und beziehen Sie sich auf die durch Projektbearbeiter betreuten studentischen Arbeiten: