Mit maschinellen Lernverfahren Anomalien frühzeitig erkennen und Schäden vermeiden
Die Analyse der Sensordaten von Maschinen, Anlagen oder Bauwerken ermöglicht es, ungewöhnliche Zustände frühzeitig zu erkennen und so Schäden zu vermeiden. Dazu wird in den Daten nach Auffälligkeiten, sogenannten Anomalien, gesucht. Mittels maschinellen Lernens kann diese Anomalie-Erkennung bereits jetzt zum Teil automatisiert ablaufen.
Dazu benötigt das System aber zuerst eine stabile Anlernphase, in der es alle möglichen Normalzustände kennenlernt. Bei Windkraftanlagen oder Brücken ist das nur sehr eingeschränkt möglich, da sie unter anderem stark schwankenden Wetterlagen ausgesetzt sind. Darüber hinaus sind in der Regel nur wenige Daten zu anomalen Ereignissen verfügbar. Dadurch kann das System die Ausnahmezustände nicht kategorisieren. Dies wäre aber wichtig, um zu erkennen, wie gefährlich die jeweiligen Normabweichungen sind. Genau diese beiden Probleme sollen im Projekt »Maschinelle Lernverfahren für Stochastisch-Deterministische Multi-Sensor Signale« (MADESI) behoben werden.
