Der Edge-Computer erfasst Daten von Maschinen, Anlagen und Prozessen über Automatisierungsprotokolle oder direkt von Sensoren. Er wird anlagennah in der Leitebene installiert und speichert die Daten verschiedener Systeme in einer lokalen Datenbank.

Die erfassten Daten können direkt auf dem Edge-Computer verarbeitet und analysiert werden. Für die Analyse stehen unterschiedliche Methoden zur Verfügung – von der rein visuellen Überwachung über automatische Verfahren mit einfachen Schwellwerten bis hin zu komplexen Anomalie-Erkennungen mit Hilfe von Machine-Learning-Modellen.

Auf Basis dieser Analysen werden Abweichungen vom erwarteten Verhalten sowie erkannte Anomalien angezeigt und alarmiert. Benachrichtigungen erfolgen per E-Mail, SMS oder Teams-Nachricht, sobald sich eine Maschine, Anlage oder ein Prozess nicht ordnungsgemäß verhält.

Die Daten werden sowohl als Anlagengrafiken (HMI) als auch in Form von zeitreihenbasierten Dashboards visualisiert. Dadurch sind historische und aktuelle Zustände jederzeit im Sinne des Condition Monitorings verfügbar.

Gerne zeigen wir Ihnen Möglichkeiten auf, erstellen Prototypen oder setzen komplette Projekte um. Melden Sie sich unverbindlich bei uns.

Das Problem:

Ungeplante Stillstände und Qualitätsprobleme in der Produktion verursachen hohe Kosten und gefährden Liefertermine. Klassische Ansätze zur Anomalieerkennung setzen oft auf Cloud-Lösungen – diese sind nicht nur langsam, sondern auch unsicher und abhängig von einer stabilen Internetverbindung. Das führt zu Verzögerungen, erhöhten Betriebskosten und Sicherheitsrisiken.

Unsere Lösung:

Mit unserem EdgeAI-Framework bringen wir künstliche Intelligenz direkt an die Maschine. Daten werden lokal erfasst, verarbeitet und analysiert – ohne Cloud, ohne Latenz. Das bedeutet:

Echtzeit-Erkennung von Anomalien

Maximale Datensicherheit durch lokale Verarbeitung

Offline-Fähigkeit für kritische Produktionsumgebungen

Flexible Integration dank modularer Docker-Architektur

So reduzieren Sie Ausfallzeiten, optimieren Wartungsprozesse und steigern die Effizienz Ihrer Anlagen.

Datenakquisition

Die Daten werden mithilfe von Node-RED (einer visuellen Programmierumgebung) erfasst, vorverarbeitet und in InfluxDB gespeichert. Node-RED ermöglicht eine einfache und flexible Konfiguration der Datenströme sowie die Anbindung verschiedener Sensoren und Automatisierungsprotokolle an den Edge-Computer.

Datenspeicherung

Die erfassten Daten werden in InfluxDB (einer leistungsstarken Zeitreihendatenbank) gespeichert. Diese ist speziell für die Speicherung und Abfrage von Zeitreihendaten entwickelt und bietet hohe Schreib- und Lesegeschwindigkeiten sowie umfangreiche Funktionen zur Datenaggregation und Analyse.

Modelltraining mit  "Edge AI – Industrial Anomaly Detection"

Historische Daten aus der InfluxDB dienen als Grundlage für das Training eines geeigneten Machine-Learning-Modells in Python. Die Modelle sind besonders geeignet für die Vorhersage zeitabhängiger Daten und die Erkennung von Mustern und Anomalien.

Anomalie-Erkennung mit "Edge AI – Industrial Anomaly Detection"

Nach dem Training werden aktuelle Daten aus der InfluxDB genutzt, um Vorhersagen zu treffen und Anomalien zu identifizieren. Die Ergebnisse – Vorhersagewerte und erkannte Anomalien – werden zurück in die InfluxDB geschrieben. Bei Abweichungen vom erwarteten Verhalten wird eine Alarmierung ausgelöst. Die Benachrichtigung erfolgt über Visualisierungen, E-Mail, SMS oder Teams-Nachrichten, um eine schnelle Reaktion auf mögliche Probleme zu gewährleisten.

martin.hof@control-systems-hof.ch / +41 (0) 79 293 59 09