30. März 2017

Automatische Anomalieerkennung für Stahlcoils

Anomalieerkennung und Zustandsüberwachung

Im Rahmen des Forschungsprojektes „Process Mining for Multiple Objective Online Control“ in Kooperation mit BMW hat die Forschungsgruppe von Prof. Bäck an der Universität Leiden, Niederlande, ein automatisches Verfahren für die datengetriebene Identifikation von Anomalien in Stahlcoils entwickelt. Das Verfahren benutzt eine Vielzahl von Messdaten wie z.B. Beölung, IMPOC-Werte, Rauigkeit und Dicke, um automatisch Feature-Unterräume zu finden, in denen die Abweichungen vom normalen Verhalten von Coils identifizierbar sind. BMW nutzt die Algorithmen bereits in der Produktion in Regensburg. Eine gemeinsame Publikation der Forschungsergebnisse wurde letztes Jahr auf dem „Computational Intelligence“ Symposium in Las Vegas vorgestellt.

Abbildung: Darstellung von Beölung (unten), IMPOC-Werte (Mitte), und Anomalieindikator (oben). Der große rote Bereich links (Anfang des Coils) zeigt an, dass in diesem Bereich eine Anomalie vorliegt.

Literatur:
B. van Stein, M. van Leeuwen, H. Wang, S. Purr, S. Kreissl, J. Meinhardt, Th. Bäck: Towards Data Driven Process Control in Manufacturing Body Parts. In: 2016 International Symposium on Computational Science and Computational Intelligence, Las Vegas, NV, Dec. 15-17, 2016, pp. 459-462. IEEE Press, Piscataway, NJ, 2016.