Anomalie- und Störungserkennung

Die automatisierte Erkennung von Anomalien und Störungen ist ein weiterer wesentlichen Baustein intelligenter, automatisierter/autonomer Systeme.

Einerseits dient diese zur Qualitätssicherung und Plausibilisierung von Daten jeder Form und aus beliebigen Quellen.

Andererseits ist die Anomalie- und Störungserkennung eine wichtige direkte und aktive Komponente in verschiedenen Sicherheitsfunktionen oder Systemen zur Überwachung und Prognose von Systemzuständen.

Anwendungsbeispiele

Generische Anwendungen

  • Qualitätssicherung von Daten aus beliebigen Versuchen und Simulation
  • Automatisierte Identifikation von schadhaften oder auffälligen Daten in umfangreichen Versuchsreihen
  • Automatisierte Identifikation misslungener Versuche und Messungen bereits während der Versuchsdurchführung
  • Realisierung von Diagnose-Systeme zur automatischen und lernenden Maschinenüberwachung
  • Effiziente Ermittlung und Erkennung
    • der tatsächlichen Betriebszustände und Betriebslasten eines Systems für verbesserte Auslegungen bei Produktverbesserungen
    • von abnormalen oder seltenen Betriebszuständen und Anwendungsszenarien
  • ...

Spezifische Anwendungen

  • Automatisierte Auswertung von Verkehrsströmen und Erkennung von Unfällen oder andere Sonderereignisse
  • Realisierung von Warnsysteme für Umwelt-Schadstoffe
  • Qualitätssicherung im Simulation Data Management und Szenario Management
  • Überwachung des Operational Design Domains in automatisierten Fahrzeugen
  • ...

Technologie

Der technologische Ansatz von ANDATA bei der Anomalie- und Störungserkennung besteht in einem spezifischen Expertensystem, in welchem die "Erwartungen an normale Daten" und Systeme in Form eines Komitees aus unterschiedlichen Kriterien formuliert sind. Diese Kriterien können einfach statistische Kennwerte umfassen oder aber auch komplexe Mustererkennungsverfahren und adaptive Machine-Learning-Verfahren zur Signal-Klassifikation. Aber auch der Abgleich von Prognose-Modellen mit tatsächlichen Messwerten kann als Kriterium eingesetzt werden.

Referenzen

Die Anomalie- und Störungserkennung ist eine Standard-Methodik in praktisch allen ANDATA-Anwendungen zum Einsatz kommt. Bei den wichtigsten Automobil-Kunden von ANDATA sind u.a. folgende Systeme im produktiven Einsatz:

  • Expertensystem für das Qualitätsabsicherung und  Ergebnis-Plausibilisierung im Simulation Data Management (z.B. in CAE-Bench)
  • Qualitätssicherung im Szenario-Management für die Entwicklung und Validierung automatisierter Fahrfunktionen
  • Plausibilisierung von Crash-Signalen aus Versuchen und Simulationen

Werkzeuge

BrainerStipulator Brainer