Prozessdatenanalyse – Zusammenhänge aus Betriebsdaten der Prozesstechnik bewerten

Dauer
Logo von Haus der Technik e. V.
Bewertung: starstarstarstarstar_half 9,2 Bildungsangebote von Haus der Technik e. V. haben eine durchschnittliche Bewertung von 9,2 (aus 10 Bewertungen)

Tipp: Haben Sie Fragen? Für weitere Details einfach auf "Kostenlose Informationen" klicken.

Startdaten und Startorte

Es gibt keine bekannten Startdaten für dieses Produkt.

Beschreibung

Sie erfahren, wie man gestörte Messungen z.B. mittels Ausreißererkennung und Filtern vorbehandelt ohne den Inhalt der Daten zu unterdrücken. Anschließend erkennen Sie maßgebliche Änderungen der Prozessdaten (z.B. durch Leckagen in Rohrleitungen oder Ablagerungen in Wärmetauschern) sowie signifikante Einflussfaktoren mittels Korrelationsanalyse. 

Durch Datenregression ermittelte Kennlinien und Trends helfen, Zusammenhänge einzuschätzen und zu bewerten. Bei der experimentellen Modellbildung helfen schrittweise, partielle und Hauptkomponenten-Regression zur Modellreduktion und besserem Verständnis.

Die experimentelle Modellbildung liefert auch Prozessmodelle für die Regelungstechnik, insbesonde…

Gesamte Beschreibung lesen

Frequently asked questions

Es wurden noch keine Besucherfragen gestellt. Wenn Sie weitere Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice.

Sie erfahren, wie man gestörte Messungen z.B. mittels Ausreißererkennung und Filtern vorbehandelt ohne den Inhalt der Daten zu unterdrücken. Anschließend erkennen Sie maßgebliche Änderungen der Prozessdaten (z.B. durch Leckagen in Rohrleitungen oder Ablagerungen in Wärmetauschern) sowie signifikante Einflussfaktoren mittels Korrelationsanalyse. 

Durch Datenregression ermittelte Kennlinien und Trends helfen, Zusammenhänge einzuschätzen und zu bewerten. Bei der experimentellen Modellbildung helfen schrittweise, partielle und Hauptkomponenten-Regression zur Modellreduktion und besserem Verständnis.

Die experimentelle Modellbildung liefert auch Prozessmodelle für die Regelungstechnik, insbesondere für modellprädiktive Regelung und modellbasierte Verfahrensoptimierung. Sie sind die Grundlage der gehobenen Regelungsalgorithmen (APC: Advanced Prozess Control). Anhand eines Simulationsmodells eines Wärmetauschers wird durch Prozesssimulation gezeigt, wie eine nichtlineare Modellbildung die Regelung verbessern kann. 

Softsensoren dienen zur Überwachung von nicht direkt messbaren Größen. Mittels Regression und Hauptkomponentenanalyse werden die Oktanzahl im Raffinerieprozess und die Konzentration in einem Bioreaktor aus optischer Messung und Spektralanalyse berechnet. 

Mittels statistischer Prozess- und Messgerätekontrolle (SPC) mit Regelkarten und  Schwingungsanalyse erhalten Sie weitere Fehlerfrüherkennungsmethoden für Condition Monitoring und Instandhaltung. Zuletzt führt eine Clusterbildung zur Klassifikation neuer Messungen für die Fehlererkennung und Ursachenanalyse. Anhand der vorgestellten Methoden und Definitionen können Sie KPIs (Key Performance Index) definieren und aussagekräftige Dashboards erstellen. 

Durch Kennenlernen der Methoden von neuronalen Netzen, Hauptkomponentenanalyse, Spektralanalyse, Clusterbildung und Klassifikation liefern wir die Grundlage zum Verständnis und Aufbau von Anwendungen der KI (künstlichen Intelligenz) und des maschinellen Lernens.

Zum Thema

Industrie 4.0 und immer modernere Messwerterfassungssysteme führen zu einer wachsenden Datenmenge. Verstehen Sie es, die im Unternehmen erfassten Daten der Prozess- und Verfahrenstechnik für Ihre Anforderungen Gewinn bringend zu nutzen? Erkennen Sie den Mehrwert der Vernetzung? Eine wirksame Datenanalyse unterstützt die Betriebssicherheit und Anlagenverfügbarkeit und kann helfen, Betriebs-, Personal-, Gewährleistungs- und Instandhaltungskosten drastisch zu senken.

Für einfache Beispiele kann die Datenauswertung mit Excel erfolgen, für komplexere Aufgaben stehen statistische Analyseverfahren wie z. B. die frei verfügbare statistische Programmiersprache R zur Verfügung.

Das Seminar gibt einen Überblick über die Methoden der Datenanalyse, praktische Beispiele der Datenauswertung in der Prozess- und Verfahrenstechnik werden gerechnet, auf kommerzielle Lösungswege wird hingewiesen und um eine Übersicht der gängigen kommerziellen und lizenzfreien Programmpakete zur Datenauswertung ergänzt.

 

Zielsetzung

Sie lernen, Zusammenhänge aus großen Datenmengen auszuwerten und „smart Data“ zu generieren. Sie verstehen Funktionen von Softwaretools zur Datenanalyse. Neben Filtern, Korrelation und Regression werden Methoden zur Datenreduktion, Klassifikation, experimentellen Modellbildung und -reduktion behandelt. Beispielprogramme, die die wichtigsten Routinen für Testdaten enthalten, erklären verfahrenstechnische Fragestellungen anschaulich. Sie lernen den Unterschied zwischen Edge und Cloud Computing. 

 

Werden Sie über neue Bewertungen benachrichtigt

Es wurden noch keine Bewertungen geschrieben.

Schreiben Sie eine Bewertung

Haben Sie Erfahrung mit diesem Kurs? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.

Es wurden noch keine Besucherfragen gestellt. Wenn Sie weitere Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice.

Bitte füllen Sie das Formular so vollständig wie möglich aus.

Anrede
(optional)
(optional)
(optional)
(optional)
(optional)
(optional)
Damit Ihnen per E-Mail oder Telefon weitergeholfen werden kann, speichern wir Ihre Daten und teilen sie ggf. mit Haus der Technik e. V.. Mehr Informationen dazu finden Sie in unseren Datenschutzbestimmungen.