PerfectPattern

Wenn messen nicht möglich ist

4. Mai 2021, 14:55 Uhr | Inka Krischke
Wenn messen nicht möglich ist
© Adobe Stock

Daten zum Produktionsablauf sind der ‚Lebenssaft‘ intelligenter Fabriken. Was aber, wenn sie nicht via reale Sensoren erhoben werden können? Virtuelle Sensoren kombiniert mit KI bieten sich als Lösung an.

Analysten sagen dem Ansatz der Smart Factory, die sich in weiten Teilen selbst überwacht und steuert, eine mehr als rosige Zukunft vorher. Das Capgemini Research Institut etwa geht in seiner Studie ‚Smart Factories @ Scale‘ davon aus, dass intelligente Fabriken der Weltwirtschaft bis zum Jahr 2023 einen jährlichen Produktivitätsgewinn zwischen 2,8 und 4,1 % bringen werden. In harten Zahlen ausgedrückt sehen die Experten damit einen Wertzuwachs zwischen 1,21 und 1,86 Mrd. Euro.

Daten bilden das Fundament einer Smart Factory, auf ihnen setzen Applikationen wie SPS-, SCADA-, MES- und ERP-Lösungen auf. Generiert werden diese Daten in Industrial-Internet-of-Things-Umgebungen (IIoT) über Sensoren, die die verschiedensten Werte erfassen – Parameter wie Temperatur, Druck, (Fließ-)Geschwindigkeit, Beschleunigung sowie Werte zu Drehzahl, Schaltzustand, Position oder auch Schall. Dazu werden die entsprechenden realen Sensoren an den zu überwachenden Punkten der Anlagen und Maschinen angebracht. Doch das ist nicht immer unproblematisch: Der Einsatz physischer Sensoren kann etwa aufgrund räumlicher Gegebenheiten nicht möglich oder auch einfach zu kostspielig sein. Eine Crux ist zudem die Anfälligkeit solcher Sensoren für Fehler.

Eine weitere Herausforderung sind Werte, die nur im Labor gemessen werden 
können. Dies betrifft beispielsweise Daten zu Materialeigenschaften, die sich auf die Qualität des Produkts auswirken. Aufgrund des Zeitbedarfs für die Ermittlung solcher Daten ist deren Nutzwert für die aktuelle Produktion begrenzt.

Anbieter zum Thema

zu Matchmaker+

Virtuelle Sensoren als Lösung?

Das Dashboard der Pythia Virtual Sensors App
Das Dashboard der Pythia Virtual Sensors App – über diese Oberfläche können Benutzer eigenständig virtuelle Sensoren erstellen.
© PerfectPattern

Oftmals werden virtuelle Sensoren als Lösung für diese Herausforderungen angesehen. Vereinfacht gesagt kombinieren virtuelle Sensoren verschiedene Größen, die von realen Sensoren gemessen werden, und liefern dann das gesuchte Ergebnis. Sie sind in der Lage, auf Basis der von physischen Sensoren generierten Daten sowie anderweitig verfügbaren, den Prozess beeinflussenden Parametern davon abhängige Größen vorherzusagen – etwa reale Sensorwerte, Labormesswerte oder auch nicht direkt messbare Größen wie Parameter zu Qualität oder Lebensdauer. Ermittelt werden diese Daten über Vorhersagemodelle, über die die virtuellen Sensoren die  Auswirkungen der Messgrößen auf die gewünschte Zielgröße prognostizieren. Das heißt zum Beispiel, dass statt mit sporadisch und  verspätet verfügbaren Labormesswerten mit kontinuierlich verfügbaren, virtuellen Live-Messwerten gearbeitet werden kann.

Mehr als nur ein Wermutstropfen war allerdings die bislang daten-, zeit- und kostenaufwendige Erstellung virtueller Sensoren. Auch war für den Aufbau der Vorhersagemodelle tiefgehendes datenwissenschaftliches Fachwissen notwendig. Aus diesem Grund setzen sich virtuelle Sensoren trotz aller Vorteile nur zögerlich durch.


  1. Wenn messen nicht möglich ist
  2. Neue Möglichkeiten dank KI

Verwandte Artikel

PerfectPattern