Unterstützung des Auswahlprozesses von Sensoren durch Nutzung von Methoden der künstlichen Intelligenz

Motivation:

In der Prozesstechnik (Produktions- und Logistikprozesse für Gas, Öl, chemische Erzeugnisse aller Art, Nahrungsmittel, Pharmazeutika…) spielen Sensoren eine bedeutende Rolle. Als technisierte Sinnesorgane für die Erfassung des Produkt- und Prozesszustandes sind sie für den teil- und vollautomatischen Betrieb von Prozessanlangen unumgänglich.

Die Forderung nach einer hohen Verfügbarkeit, optimalem Betrieb und reproduzierbarer Produktqualität kann letztlich nur durch eine ständige, qualitativ möglichst hochwertige Analyse der Prozessparameter erreicht werden, um den Produktionsprozess präziser, flexibler und näher am Optimum steuern zu können. Darüber hinaus liefern Sensoren unter anderem auch Informationen für die Arbeitssicherheit, Anlagensicherheit, Anlagenverfügbarkeit und Umweltschutz. Die Auswahl der Sensorik ist dabei von alles entscheidender Bedeutung.

Hier gilt der Grundsatz: Der richtige Sensor an die richtige Stelle.

Problemstellung:

Sensoren arbeiten nach verschiedenen physikalischen Messprinzipien/Messverfahren. So unterscheidet allein die Durchflussmesstechnik mehr als 10 verschiedene Messverfahren (z.B. Coriolis, Wirkdruck, Ultraschall, Wirbelzähler, Ovalrad, Drallzähler, Magnetisch-Induktiv…). Die richtige Auswahl des Messverfahrens für eine Messstelle ist dabei entscheidend für die Qualität, Sicherheit und die Wirtschaftlichkeit der Messung (und damit für das Betreiben des ganzen Prozesses).

Die Auswahl (z.B. bei der Planung/dem Engineering einer Anlage) des richtigen Sensors, bzw. des richtigen Messverfahrens ist jedoch eine enorm umfassende Aufgabe für den Planungsingenieur. Dabei müssen sehr viele relevante Parameter bezüglich der Einsatzbedingungen, Prozessanforderungen, Umgebungsbedingungen des zukünftigen Messgerätes in die Auswahlüberlegung einbezogen werden (der mögliche Lösungsraum wird sehr groß und unübersichtlich). Diese komplexe Aufgabestellung muss jedoch für jede Messstelle einzeln durchgeführt werden. Bei Planungsaufgaben mit größeren Anlagen und mitunter mehreren tausend Sensoren wird schnell klar, dass der  Anwender hier Unterstützung benötigt.

Methoden der künstlichen Intelligenz, wie z.B. die wissensbasierten Systeme (siehe Bild unten) bieten heute Möglichkeiten solche Planungs- und Auswahlaufgaben effizient zu unterstützen.

Ziele und Schwerpunkte:

  • Unterstützung des Auswahlprozesses mittels Methoden der künstlichen Intelligenz
  • Entwerfen einer aktualisierbaren, herstellerneutralen Wissensbasis zur Abbildung von Expertenwissen
  • Wissensbasierte Abbildung mehrdimensionaler Abhängigkeiten (Zusammenhänge physikalisch relevanter Auswahlparameter untereinander z.B. Druck, Temperatur, Querschnitt)
  • Untersuchung geeigneter Schnittstellen und Formate für die Integration des Auswahlprozesses in den elektronischen Workflow (Nutzung bereits vorhandener Planungsinformationen, verwenden standardisierter Merkmale…) und in das formalisierte Anlagenmodell

 

Bearbeitet durch: Dipl.-Ing Maik Riedel

HSU

Letzte Änderung: 24. Oktober 2017