KI erkennt Anomalien in industriellen Anlagen

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print

KI erkennt Anomalien in industriellen Anlagen

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp
Share on email
Share on print
AVEVA präsentiert die Insight OMI App. Dabei handelt es sich um die erste Applikation in der Branche, die künstliche Intelligenz in Echtzeit in die Entscheidungsfindung eines Bedieners einfließen lässt und die allgemeine betriebliche Agilität verbessert.

Quelle: AVEVA

Die intelligente Anwendung der App von AVEVA bietet Industrieunternehmen einen schnellen Weg zur Implementierung künstlicher Intelligenz im Kontrollzentrum oder innerhalb einer Werkshalle: Sie erkennt Anomalien in Echtzeit und stellt diese in einer kontextbezogenen Visualisierungsanzeige dar. Anwender aus unterschiedlichsten Industriezweigen profitieren von der neuen Entwicklung – insbesondere aus den Bereichen Wasser und Abwasser, dem Energiesektor oder der Lebensmittel- und Getränkebranche. 

Erkennung von ungewöhnlichem Betriebsverhalten


Die AVEVA Insight OMI App integriert Künstliche Intelligenz in die AVEVA System Platform, ehemals Wonderware, und macht sich so eine vorausschauende Warnung und die automatische Erkennung von ungewöhnlichem Betriebsverhalten zunutze. Mithilfe dieser Tools werden Anwender frühzeitig benachrichtigt, ohne dass kritische Situationen wie ungeplante Ausfallzeiten oder gar Produktionsausfälle entstehen. Ein anwenderfreundliches Interface ermöglicht es Betriebs-, Wartungs- und Produktionsteams, das KI-Modul individuell anzupassen, sodass es in die unternehmensspezifische Umgebung implementiert werden kann.

Eine intuitive „Daumen-hoch“- oder „Daumen-runter“-Bestätigung stellt sicher, dass KI-gesteuerte Benachrichtigungen für die Bedürfnisse der entsprechenden Nutzer relevant sind. Zudem unterstützt sie die allgemeinen Unternehmensziele, ohne dass Programmier- oder datenwissenschaftliche Kenntnisse erforderlich sind. Dieses Feedback innerhalb eines geschlossenen Kreises optimiert kontinuierlich die Genauigkeit der Vorhersage des KI-Systems. Dadurch erkennen Anwender umgehend, worauf es ankommt. Sobald ein anomales Muster von der App identifiziert wird, wird es von einer On-Premise HMI/SCADA-Lösung erfasst und dargestellt. Die Analyse wird damit direkt dort vermerkt, wo Anwender die Information benötigen.

Dieser Artikel könnte Sie auch interessieren: Genauigkeit der Planungsmodelle verbessern, Drei Investment-Prioritäten für die digitale Transformation

Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on xing
XING
Share on whatsapp
WhatsApp
Share on email
E-Mail
Share on print
Drucken

Ihre Meinung zum Artikel

Abonnieren
Benachrichtige mich bei
guest
0 Comments
Inline Feedbacks
View all comments

Andere Leser haben sich auch für die folgenden Artikel interessiert

Die Yokogawa Electric Corporation hat die einvernehmliche Übernahme aller Anteile an dem dänischen Unternehmen Grazper Technologies ApS abgeschlossen. Grazper ist spezialisiert auf Technologien der künstlichen Intelligenz (KI) zur Bilderkennung und Bildanalyse. Yokogawa wird diese Technologien in verschiedenen Geschäftsbereichen einsetzen und neue industrielle KI-Lösungen entwickeln.
Werbung

Redaktionsbrief

Tragen Sie sich zu unserem Redaktionsbrief ein, um auf dem Laufenden zu bleiben.

Wir wollen immer besser werden!

Deshalb fragen wir SIE, was Sie wollen!

Nehmen Sie an unserer Umfrage teil, und helfen Sie uns noch besser zu werden!

zur Umfrage

Aktuelle Ausgabe

Topthema: GIS mit multiphysikalischer Simulation optimieren

Simulieren, was nicht messbar ist

Mehr erfahren

Tragen Sie sich jetzt kostenlos und unverbindlich ein, um keinen Artikel mehr zu verpassen!

* Jederzeit kündbar

Entdecken Sie weitere Magazine

Schön, dass Sie sich auch für weitere Fachmagazine unseres Verlages interessieren.

Unsere Fachtitel beleuchten viele Aspekte der Digitalen Transformation entlang der Wertschöpfungskette und sprechen damit unterschiedliche Leserzielgruppen an.