Anomalie-, Störungs- und Änderungserkennung

Die automatisierte Erkennung von Anomalien, Störungen und Änderungen 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 System- und Umgebungszuständen.

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 von Häufigkeit und Art

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 anderen Sonderereignissen
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 Kriterien unterschiedlicher Komplexität formuliert sind. Diese Kriterien können einfache, statistische Kennwerte umfassen, beliebige Signal-Metriken 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 welche in allen ANDATA-Anwendungen zum Einsatz kommt. Bei den wichtigsten Automobil-Kunden von ANDATA sind u.a. folgende Systeme im produktiven Einsatz:

Expertensystem für 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