Siemens - Anomaly Detection

Die Active Group entwickelte die App "Anomaly Detection" für die Siemens "Industrial Edge" Plattform.

Überblick

Die App läuft auf sogenannten Edge-Devices und ist ein KI-basiertes Analysewerkzeug, das abnormales Verhalten von Maschinen und Anlagen in Echtzeit erkennt und eine frühzeitige Fehlererkennung ermöglicht. Die Active Group entwickelte sowohl das Backend mit den Machine-Learning-Verfahren als auch die graphisch-anschauliche Weboberfläche für Nutzer:innen.

Die App "Anomaly Detection" kommt branchenübergreifend auf der ganzen Welt zum Einsatz, u.a. bei Kosmetikherstellern, Brauereien und Industriebetrieben und ist eines der Vorzeigeprojekte der Active Group.

Technischer Einblick

Für die Datenmodellierung mussten bis zu 50 Zeitreihen aus unterschiedlichen Quellen synchronisiert und in eine einheitliche Struktur gebracht werden, ehe sie für Machine-Learning-Verfahren nutzbar waren.

Zwei Machine-Learning-Algorithmen kamen zum Einsatz: ein Verfahren zur Full Relationship Analysis (FRA) und eines zur Deep Time Analysis (DTA). FRA prüft die Beziehung zwischen mehreren Messgrößen zueinander. DTA prüft den zeitlichen Verlauf einzelner Werte. Da sich Anomaliengrenzwerte nicht sinnvoll manuell festlegen ließen, wurde ein intelligenter Algorithmus ausgewählt, der Grenzwerte automatisch bestimmt. Um die unterschiedlichen Betriebsmodi einer Maschine in der Anomalienerkennung zu berücksichtigen, wurde für jeden Modus ein eigenes Netz trainiert. Der State Predictor erkannte anhand aktueller Daten, in welchem Modus die Maschine läuft, und aktivierte automatisch das passende Netz.

Für die Auslieferung der Software wurden Container genutzt. Docker sorgte dafür, dass die Software auf jedem Gerät reproduzierbar in derselben Version lief; Kubernetes orchestriert mehrere Container so, dass das System auch bei Ausfällen oder Updates durchgehend verfügbar bleibt.

Mittels einer visuellen domänenspezifischen Sprache (DSL) konnten Nutzer:innen die Graphen nach Maschine und Zeitraum konfigurieren.