Motivation
Sensoren sind die Schnittstelle zwischen dem Produktionsprozess und der Steuerungseinheit. Sie sind für den Betrieb von Maschinen und Anlagen unverzichtbar. Der Ausfall eines Sensors führt zu einer Drosselung oder sogar zum Stopp der Produktion. Softsensoren, d.h. nicht reale Sensoren auf der Basis von Maschinellem Lernen und zugehörigen Mess- und Steuersignalen, ermöglichen es, den Verlust von Sensorik zu kompensieren und einen effizienten Anlagenbetrieb aufrechtzuerhalten. Für den deutschen Maschinen- und Anlagenbau sowie für die Anlagenbetreiber ergeben sich beim Einsatz von Softsensorik Probleme. Einerseits ist eine entsprechende IT-Infrastruktur und Fachexpertise erforderlich, andererseits werden Zuverlässigkeit, langfristige Einsetzbarkeit und Echtzeitfähigkeit bei möglichst geringem Integrationsaufwand gefordert. Für kleine und mittlere Unternehmen sowie beispielsweise kommunale Wasserversorger ist dies kaum realisierbar, sodass Maschinelles Lernen und Softsensorik nur in Einzelfällen eingesetzt werden.
Ziele und Vorgehen
Ziel des Verbundvorhabens KISoSys ist die Entwicklung von Softsensorik für die Prozessindustrie (Chemie, Petrochemie, Gasverarbeitung, Pharmazie, Lebensmittel- und Wasserversorgung) auf dezentral einsetzbarer Hardware, um die Hürden für den Einsatz von Softsensorik zu minimieren. Im Projekt wird ein Demonstrator entwickelt, der maschinelle Lernalgorithmen auf energiesparsamer Hardware vereint und mit möglichst geringem Aufwand in das Automatisierungssystem integriert. Dazu wird auf der Hardware für jede Anlage ein sogenannter digitaler Zwilling modelliert. Dieser bildet auf Grundlage von Mess- und Steuersignalen der Automatisierungssysteme das Verhalten der realen Anlage selbstlernend nach. Die digitalen Zwillinge werden im Betrieb auf der Hardware betriebsparallel simuliert, zyklisch neu berechnet und passen sich dem Verhalten der Anlage über den gesamten Lebenszyklus an. Aus diesen digitalen Repräsentanten werden die virtuellen Messwerte (Softsensoren) abgeleitet.
Innovationen und Perspektiven
Mit den Softsensoren können Ausfälle von realen Sensoren kompensiert und nicht oder nicht wirtschaftlich messbare Größen (Wirkungsgrade, chemische Zusammensetzungen) generiert werden. Zudem können Alterung und Verschleiß an der Anlage sowie kritische Anlagenzustände bei einem Vergleich zwischen dem realen und digitalen Zwilling erkannt werden (Diagnose). Der maschinelle Lernalgorithmus kann jeden Sensor kompensieren und ist nicht auf einen bestimmten Typus festgelegt. Das KISoSys-Projekt soll dazu beitragen, Maschinelles Lernen für den gesamten deutschen Anlagenbau nutzbar zu machen. Der Einsatz erfolgt direkt beim Kunden in der Anlage auf spezialisierter Hardware. Dadurch verlassen keine Produktions- oder sonstige Daten das Produktionsgelände, und die Fachkompetenz wird innerhalb der Unternehmen aufgebaut und gesichert.