Raum: ID 2/531
Telefon: +49 (0)234 / 32-15696
E-Mail
Postanschrift:
Ruhr-Universität Bochum
Fakultät Elektrotechnik und Informationstechnik
Lehrstuhl Automatisierungstechnik
Postfach ID 14
Universitätsstr. 150
44780 Bochum
Besucheranschrift:
Ruhr-Universität Bochum
Gebäude ID | Etage 2 | Raum 531
Universitätsstr. 150
44801 Bochum
LinkedIN:
https://www.linkedin.com/in/franz-christopher-kunze-60555a2a1/
ORCID:
https://orcid.org/0000-0003-4344-224X
Web of Science:
https://www.webofscience.com/wos/author/record/KPY-7572-2024
In der modernen Prozessindustrie stellt das Management von Alarmen eine zentrale Herausforderung dar. Mit der zunehmenden Digitalisierung und dem damit verbundenen starken Anstieg von Sensoren in Produktionsanlagen sehen sich Anlagenfahrer mit der Aufgabe konfrontiert, tausende Prozessvariablen und hunderte von Alarmen zu überwachen. Die enge Vernetzung dieser Variablen führt dazu, dass bereits kleine Abweichungen eine Flut von Alarmen auslösen können, sogenannte "Alarmschauer". In solchen Szenarien wird die schnelle und effektive Rückführung der Anlage in den Normalbetrieb erschwert, was die Sicherheit und Effizienz der Produktionsprozesse gefährdet. Ein effektives Alarmmanagement, das Alarme nach ihren kausalen Zusammenhängen gruppiert, kann die Informationsflut deutlich reduzieren und so Anlagenfahrern ermöglichen, die Ursprünge von Störungen, den sogenannten Root-Cause, schneller zu identifizieren und zu beheben. Die Herausforderung bei der Kausalitätsanalyse liegt darin, dass Alarme aufgrund unterschiedlicher Schwellenwerte und Reaktionszeiten ausgelöst werden, was die Ableitung von Kausalzusammenhängen alleine aus historischen Alarmdaten erschwert.
Um diese Kausalzusammenhänge zu erfassen nutzt Herr Kunze Kausale Gerichtete Graphen. Für die effiziente Umsetzung werden die Graphen dabei automatisch aus vorhandene Engineering-Dokumenten und allgemeingültigen physikalischen Regeln erster Ordnung erstellt. Um den größtmöglichen Nutzen für den Anlagenfahrer zu erreichen erfolgt die Analyse online und adaptiert sich fortlaufend an den aktuellen Zustand der Anlage, so dass auch Änderungen der kausalen Zusammenhänge erkannt werden können.
2026:
2025: