DE-102024132472-A1 - Datenlogger zur Anomalieerkennung und Verfahren

Abstract

Es wird ein Datenlogger (10) zur Anomalieerkennung bereitgestellt, umfassend zumindest einen Analog-Eingang, an dem ein Sensorgerät zur Datenübertragung anschließbar ist, Mittel zur Erfassung eines einer analogen Messgröße und mindestens einer der folgenden Größen: i. die erste Ableitung nach der Zeit der Messgröße; ii. die zweite Ableitung nach der Zeit der Messgröße; iii. das Integral über die Zeit der Messgröße. Der Datenlogger umfasst weiter Mittel zur parallelen Auswertung der erfassten Größe, Mittel zur Ermittlung einer Schaltinformation für jede ausgewertete Größe, Mittel zur logischen Verknüpfung der Schaltinformationen zur Anomalieerkennung. Zudem ist ein Verfahren zur Anomalierkennung angegeben.

Inventors

• Johannes Kestel

Assignees

• IFM ELECTRONIC GMBH

Dates

Publication Date

20260507

Application Date

20241107

Claims (9)

1. Datenlogger (10) zur Anomalieerkennung umfassend: - zumindest einen Analog-Eingang, an dem ein Sensorgerät zur Datenübertragung anschließbar ist, - Mittel zur Erfassung einer analogen Messgröße und mindestens einer der folgenden Größen: i. die erste Ableitung nach der Zeit der Messgröße ii. die zweite Ableitung nach der Zeit der Messgröße iii. das Integral über die Zeit der Messgröße, - Mittel zur parallelen Auswertung der erfassten Größen, - Mittel zur Ermittlung einer Schaltinformation für jede ausgewertete Größe, - Mittel zur logischen Verknüpfung der Schaltinformationen zur Anomalieerkennung.
2. Datenlogger (10) nach Anspruch 1 , wobei der Datenlogger (10) mehrere Kanäle aufweist, um gleichzeitig verschiedene Bedingungen zu erkennen, wobei die Mittel zur logischen Verknüpfung der Schaltinformation eine parametrierbare Logikeinheit (PLU) umfassen, bei der die Parameter für die Auswertungen und die Art der logischen Verknüpfungen durch eine Datenanalyse der erfassten Messgrößen und abgeleiteten Größen bestimmt werden, wobei die parametrierbare Logikeinheit (PLU) in der Lage ist, mehrere unterschiedliche Sensorsignale gleichzeitig zu verarbeiten und zu kombinieren.
3. Datenlogger (10) nach Anspruch 1 oder 2 , wobei der Datenlogger (10) ein neuronales Netz umfasst, dem analoge Messgrößen zugeführt werden, um komplexe Situationen zu erkennen.
4. Verfahren zur Erkennung von Anomalien mit einem Datenlogger (10) gemäß den Ansprüchen 1 bis 3 , umfassend die Schritte: - Erfassen einer analogen Messgröße durch zumindest einen Analog-Eingang, an dem ein Sensorgerät zur Datenübertragung anschließbar ist - paralleles Erfassen mindestens einer der folgenden Größen durch den Datenlogger (10): i. die erste Ableitung nach der Zeit der Messgröße, ii. die zweite Ableitung nach der Zeit der Messgröße, iii. das Integral über die Zeit der Messgröße, - parallele Auswertung der erfassten Größen innerhalb des Datenloggers (10), - Ermittlung einer Schaltinformation für jede ausgewertete Größe, - Verknüpfung der Schaltinformationen mittels parametrierbarer Operatoren um das Vorliegen einer Anomalie zu bestimmen.
5. Verfahren gemäß Anspruch 1 , wobei die Verknüpfung der Schaltinformationen unter Verwendung von booleschen Operatoren oder binär erfolgt.
6. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Datenlogger (10) zusätzlich zur Schaltinformation die Messgrößen und die abgeleiteten Größen ausgibt.
7. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Parameter für die Auswertungen und die Art der logischen Verknüpfungen durch eine Datenanalyse der erfassten Messgrößen, der abgeleiteten Größen oder dem Integral über der Zeit des Messwerts bestimmt werden.
8. Verfahren nach einem der vorhergehenden Ansprüche, wobei der Datenlogger (10) mehrere Kanäle aufweist, um gleichzeitig verschiedene Bedingungen zu erkennen und auszugeben, wobei die parametrierbare Logikeinheit (PLU) in der Lage ist, mehrere unterschiedliche Sensorsignale gleichzeitig zu verarbeiten und zu kombinieren.
9. Verfahren nach einem der vorhergehenden Ansprüche, wobei die abgeleiteten Größen und das Integral zusätzlich einem im Datenlogger (10) implementierten neuronalen Netz zugeführt werden, wobei die Datenanalyse im Datenlogger (10) erfolgt, sodass die tatsächlich übertragene Signalmenge an die übergeordnete Steuereinheit reduziert erfolgt.

Description

Die Erfindung betrifft ein Datenlogger zur Anomalieerkennung gemäß Anspruch 1 und ein Verfahren zur Anomalieerkennung gemäß Anspruch 4. In der industriellen Prozessüberwachung werden verschiedene Arten von Datenlogger eingesetzt, um Daten von verschiedenen Sensoren zu erfassen. Gängige Datenlogger sammeln beispielsweise Daten von Positionssensoren, Distanzsensoren und Prozesssensoren, die jeweils spezielle Aufgaben erfüllen. Diese Sensoren erfassen physikalische Messgrößen wie Temperatur, Feuchtigkeit, Druck, Spannung Strom oder die Lichtintensität mittels eines Sensorelements. Positionssensoren werden beispielsweise verwendet, um die Lage von Maschinenkomponenten oder Werkstücken zu bestimmen. Distanzsensoren messen Abstände und helfen dabei, Kollisionen zu vermeiden oder ermöglichen präzise Positionierungen. Prozesssensoren überwachen Parameter, wie Füllstände und Strömungen und sorgen so für die Einhaltung von Prozessvorgaben. Ein Beispiel für den Einsatz von Positionssensoren ist die Überwachung der Position von Gütern auf Förderbändern in der Logistik. Distanzsensoren können in der Robotik eingesetzt werden, um Hindernisse zu erkennen und zu umgehen. Prozesssensoren finden zum Beispiel Anwendung in der Lebensmittelindustrie, um die Qualität und Sicherheit der Produkte zu gewährleisten. Induktive Sensoren erkennen mittels eines Sensorelements berührungslos die Annäherung metallischer Objekte. Mit kapazitiven Sensoren kann die Annäherung nicht metallischer Objekte und Flüssigkeiten mittels eines Sensorelements erkannt werden. Magnetsensoren überwachen und messen Positionen und Bewegungen von magnetischen Feldern mittels eines Sensorelements. Optische Sensoren arbeiten mit Licht im sichtbaren und infraroten Bereich, um mittels eines Sensorelements Objekte zu erkennen und Distanzen zu messen und nutzen Lichtquellen wie LEDs oder Laser, um Lichtstrahlen auf ein Zielobjekt zu senden. Das reflektierte Licht wird dann von einem Detektor erfasst, der die Intensität und die Winkel des zurückkehrendes Licht analysiert. Radar- und Ultraschallsensoren messen Objekte, Distanzen und deren Bewegungen mittels reflektierender Echos an einem Sensorelement, die von den Objekten reflektiert werden. Die Analyse von kontinuierlich erfassten Messwerten all dieser Sensortypen kann Information über die Position, die Entfernung und die Geschwindigkeit von Objekten oder Information über den zeitlichen Verlauf der Messwerte liefern. Zur Anomalieerkennung, d.h. zur Erkennung von Anomalien oder Fehlverhalten innerhalb einer Applikation oder einer Umgebung, werden die von den Sensoren vorverarbeiteten Daten gesammelt und einer Datenanalyse unterzogen. Üblicherweise findet die Datenanalyse außerhalb des einzelnen Sensorgeräts statt. Dazu werden Prozesswerte an eine übergeordnete Instanz, die sich räumlich außerhalb des Sensorgeräts befindet, beispielsweise an eine Steuerung oder an ein Cloud-System übermittelt. Ein Prozesswert ist ein bereits verarbeiteter oder interpretierter Wert, der aus dem sensorisch erfassten Messwert abgeleitet wird. Durch das Zusammenführen und der Analyse einer großen Menge an Daten soll dabei eine genauere Abschätzung erfolgen, was ein normales Verhalten, und was ein Fehlverhalten darstellt. Nachteilig daran sind jedoch die großen Datenmengen, die übermittelt werden müssen. Die Übermittlung führt zu einem zeitlichen Versatz, was zu Einschränkungen in der Echtzeitfähigkeit führt. Im Stand der Technik werden neuronale Netze eingesetzt, um Sensordaten zu analysieren und komplexe Muster sowie deren Beziehungen zu erkennen, was mit traditionellen Methoden oft schwierig ist. Die Verwendung von neuronalen Netzen ist besonders vorteilhaft in dynamischen und unvorhersehbaren Umgebungen, wie sie z.B. in der Positions- und Distanzerfassung, in der Prozessindustrie, bei mobilen Anwendungen oder in der Robotik vorkommen. Für eine effektive Erkennung komplexer Situationen müssen KI-Systeme allerdings nicht nur einzelne Objekte oder Ereignisse identifizieren, sondern auch die Beziehungen und Zusammenhänge zwischen ihnen verstehen. Die Genauigkeit dieser Systeme hängt stark von der Qualität der Trainingsdaten ab. Aufgabe der Erfindung ist es, die oben genannten Nachteile des Standes der Technik zu vermeiden und ein Datenlogger sowie ein echtzeitfähiges Verfahren zur Erkennung von Anomalien bereitzustellen, mit dem eine zuverlässige und schnelle Erkennung von Anomalien ermöglicht wird. Die Aufgabe wird bezüglich des Datenloggers gemäß Anspruch 1 und hinsichtlich des Verfahrens gemäß Anspruch 4 gelöst. Vorteilhafte Ausgestaltungen der Erfindung sind in den Unteransprüchen angegeben. Mit der hier vorgestellten Methode ist es möglich, eine Vielzahl von komplexen Situationen mittels einer Datenanalyse zu überwachen und Anomalien, also ein Fehlverhalten von einem normalen Verhalten, zu erkennen, voneinander zu unterscheiden und Messgrößen sowie abgeleitete Größen zusätzlich zur Schaltinformation über einen Datenlogger-Ausgang aus