Insights: Root Cause Analysis
Die Bewältigung plötzlicher und gehäufter Störungen, eine verringerte Produktqualität oder ein reduzierter Wirkungsgrad von Anlagen stellt eine der großen Herausforderungen für unsere Kunden dar. Diese Herausforderungen werden oft erst dann entdeckt, wenn sie bereits direkte Auswirkungen auf den Betrieb haben. Das Unangenehme daran ist, dass die Ursachen für diese Probleme in den meisten Fällen nicht sofort erkennbar sind.
Aufgrund der bereits eingetretenen Auswirkungen auf den Betrieb und den damit verbundenen Kosten ist es von höchster Dringlichkeit, die Ursachen so schnell wie möglich zu identifizieren und zu beheben. In Reaktion darauf haben wir die Root Cause Analysis (RCA) App entwickelt, mit der wir in küzester Zeit von der Datenlieferung zur detaillierten Ursachenanalyse gelangen.
Ursachenanalysen – Hintergrundwissen:
Das Ziel einer Ursachenanalyse ist es, jene Parameter zu identifizieren, die den Unterschied zwischen normalem und beeinträchtigtem Betrieb erklären. Wenn Messreihen oder Datenreihen (zum Beispiel von Sensoren/Aktoren) aus beiden Betriebsszenarien vorliegen, können geeignete Methoden des maschinellen Lernens angewendet werden, um diese Auswertungen in kurzer Zeit und mit höchster Genauigkeit durchzuführen.
Es ist wichtig zu beachten, dass die Methoden des maschinellen Lernens über kein Anlagenwissen oder Kontext verfügen und daher nur statistische Zusammenhänge ermitteln, die erst durch die Interpretation und Validierung durch Anlagenexperten sinnvoll werden.
Ein Kunde aus dem Sonderfahrzeugbau kommentierte dazu:
„Wir wussten gar nicht, wo wir in der Vielzahl der Messwerte und Zusammenhänge hinsehen sollen; euer Vorgehen war für uns wie eine Lupe, die unseren Blick auf den relevanten Datenausschnitt fokussiert hat.“
Ursachenanalyse – Der Ablauf:
Ein wesentlicher Vorteil der datengetriebenen Ursachenanalysen ist, dass diese in allen Fällen nach dem gleichen Schema ablaufen. Wir stellen Ihnen hier das grundlegende Vorgehen vor:
- Understand:
Das “A und O” in jedem datengetriebenen Projekt ist das Verständnis für die Fragestellung und die dazugehörigen Daten. Dies ermöglicht es uns, die relevanten Datenausschnitte für die Analyse zu selektieren und bspw. mögliche „spooky correlations“ frühzeitig zu eliminieren.
- Cleanse:
Durch die initiale Analyse der Daten erhalten wir einen Überblick über die Vollständigkeit und Konsistenz der bereitgestellten Daten. So können Fragen zu den Daten frühzeitig geklärt und die notwendigen Schritte zur Datenaufbereitung gesetzt werden.
- Prepare:
Die Daten werden in spezifische Datenbereiche unterteilt und bei Bedarf Zielgrößen wie Qualitäts- oder Effizienzkennzahlen erzeugt.
- Process:
Unterschiedliche Modelle des maschinellen Lernens werden auf die vorbereiteten Daten angewendet, um eine Unterteilung der Daten in „normalen“ und „schlechten“ Betrieb zu treffen. Die besten Modelle werden herangezogen, um das Regelwerk zur Einteilung zu beschreiben.
- Evaluate:
Die Ergebnisse des „Process“-Schrittes werden gemeinsam mit den Anlagenexperten interpretiert und validiert.
Ursachenanalyse mit IPN:
Um unsere Kunden bestmöglich zu unterstützen und den Projektaufwand zu reduzieren, haben wir die Schritte „Prepare“, „Process“ und „Evaluate“ in der RCA App zusammengeführt. Damit ermöglichen wir Ihren Anlagenexperten, auf Basis der von uns vorbereiteten Daten, die Ursachenanalyse selbstständig durchzuführen und zu robusten Ergebnissen zu gelangen.
- Signal selection:
Definition des zu erklärenden Signals (z. B. Wirkungsgrad) und der zur Erklärung nutzbaren Signale (z. B. Temperaturen, Drehzahl, etc.) - Data selection:
Auswahl der relevanten Daten über die Darstellung der Zeitreihe - Accuracy:
Darstellung der Modellgüte zur Bewertung der Analyseergebnisse (Plausibilität) - Ruleset:
Visualisierung des vom Modell genutzten Regelwerks - Interpret:
Visualisierung der vom Modell zur Einteilung genutzten Rohdaten
Ihr Nutzen:
Mit der RCA App versetzen wir unsere Kunden in die Lage, Ursachenanalysen selbstständig und effizient durchzuführen. Die grundlegende Datenaufbereitung wird durch unsere Experten durchgeführt, um sicherzustellen, dass die Datenbasis den Anforderungen entspricht. Durch die Bereitstellung einer intuitiven Oberfläche, ansprechender Visualisierungen und durch die Automatisierung der Methodik im Hintergrund kann sich der Anwender auf die Interpretation und Optimierung der Erkenntnisse konzentrieren und alle notwendigen Schritte selbst durchführen.
Praktische Anwendung:
Unsere Methodik zur Ursachenanalyse hat sich in der erfolgreichen Bearbeitung unterschiedlicher Fragestellungen bewährt, darunter die Behebung von Störungen an Sonderfahrzeugen und Pumpen. Ein konkretes Beispiel für unsere neu entwickelte RCA-App ist die Analyse der Turbine eines Laufkraftwerks im Bereich Wasserkraft. Mit dieser App befähigen wir den Betreiber dazu, die Ursachen für eine unzureichende Leistungserzeugung der Turbine selbstständig zu identifizieren, um entsprechende Maßnahmen zur Optimierung zu ergreifen.
