Software Competence Center Hagenberg Data Analysis Systems

Transkript

1 Software Competence Center Hagenberg Data Analysis Systems Mission Die Data Analysis Systems (DAS) Gruppe am SCCH entwickelt Methoden für die automatisierte Analyse von Daten (Sensordaten,...) zwecks Wissensgewinnung, Verfeinerung von Modellen und Optimierung im (industriellen) Anwendungsko n- text. Das Spektrum an Anwendungen umfasst Prozessanalyse, Prozessoptimi e- rung, Condition Monitoring, Fehlerdetektion und -diagnose, virtuelle Sensoren, Störungsprognosen und optimale Steuerungs- und Regelsysteme in der Prozessindustrie und Produktion, bei der Herstellung und Instandhaltung von Maschinen und im Energiemanagement. Industrial Internet Data Loop according to Evans & Annunziata, General Electrics, Angewandte Forschung Datenmanagement und analyse: z.b. Kosteneffizienz bei Speicherung, Übertragung und Suche hinsichtlich Zeit und Speicher; Prozess-Analyse: z.b. Identifikation von Zusammenhängen zwischen Prozess- und Produktparametern Prozessoptimierung und kontrolle: z.b. virtuelle Sensoren für die chemische Industrie oder energieeffiziente Steuerungen basierend auf modell-prädiktiven Ansätzen. Bei diesen Aufgabenstellungen spielen oft Wissens- und Modellfragmente von unterschiedlichem Typus auf unterschiedlichem semantischem Niveau eine Rolle wie beispielsweise statistische und kausale Zusammenhänge, Prognosemodelle, Regeln oder Ontologien.

2 Methoden Ziel ist es, durch geeignete Methoden aus Mathematik und Informatik die vorhandenen Informationsquellen für die jeweilige Anwendung nutzbar zu machen. Dabei spielen neben High Performance Computing-Aspekten für die parallelisierte und verteilte Datenanalyse und Data Mining vor allem folgende Technologien und Ansätze eine zentrale Rolle: Maschinelles Lernen und Wissensextraktion mittels semantischen Schließens: z.b. auf semantischen Technologien basierende interpretierbare Modelle; semi-supervised und Kernel basierte Methoden sowie neuartige Ähnlichkeitsmaße; virtuelle Sensoren und modellbasierte Steuerungsansätze zur optimalen Regelung und Steuerung von Maschinen oder verbesserter Vorhersagemodelle; Semantisches Datenmanagement: z.b. Semantik, Meta-Modellierung, Stream Data Warehousing, Wissensrepräsentationsmodelle zur Verbesserung der Datenqualität; Stream Datenanalyse: z.b. Erfassung, Handhabung und Analyse von großen Datenmengen basierend auf Complex Event Processing, Stream Data Mining und inkrementellem Lernen. Stream: Causal: Transfer: Datenstromanalyse für Big Data im industriellen Internet Inferenz von mechanistischem Prozessverständnis Effizienter Transfer von datenbasierten Modellen Faults: Fehlerdetektion, -diagnose und - vorhersage Reason: Semantisch angereichtes Maschinelles Lernen Semantic: Wissensrepräsentation, Ontologien und semantische Abfragen Kontakt Dr. Bernhard Freudenthaler Executive Head Software Competence Center Hagenberg Softwarepark 21, 4232 Hagenberg bernhard.freudenthaler@scch.at Dr. Thomas Natschläger Scientific Head Software Competence Center Hagenberg Softwarepark 21, 4232 Hagenberg thomas.natschlaeger@scch.at

3 PR SAM Intelligent Fault Prognosis Systems for Anticipative Maintenance Strategies Im Rahmen von IKT der Zukunft, einer FFG Förderschiene, welche sich zentralen Fragestellungen der Informations- und Kommunikationstechnologien in den Anwendungsfeldern Produktion und Energie widmet, startete Anfang Dezember 2014 das Forschungsprojekt PROSAM. Mit der Software Competence Center Hagenberg GmbH (Leitung; Datenanalyse), H&H Systems Software GmbH (Instandhaltungsmanagementsoftware ) und Messfeld GmbH (Condition Monitoring) haben sich die führenden nationalen Experten auf ihren Gebieten zusammengeschlossen, Grundlagen für antizipative Instandhaltungsansätze zu erforschen und adäquate Lösungen für die Industrie zur Verfügung zu stellen. Das Ziel Ziel dieses Forschungsprojektes ist es, durch die Kombination von wissen- und datenbasierten Ansätzen verbesserte Prognosemodelle als Basis für antizipative Instandhaltungsstrategien zu schaffen. Dies stellt eine Voraussetzung dar um das ökonomische Ziele einer erhöhten Anlagenverfügbarkeit bei reduziertem Ressourceneinsatz (in personeller und materieller Hinsicht) zu erreichen. Die Herausforderung Trotz des hohen Optimierungspotentials und der immer besseren Verfügbarkeit von zustandsrelevanten Prozess- und Sensordaten sind antizipativen Instandhaltungsstrategien in der industriellen Anwendung nur punktuell anzutreffen. Grund dafür sind die steigende Komplexität der Anlagen sowie die zunehmende Diversität der Komponenten. Diese stellt eine wesentliche Herausforderung bei der Entwicklung eines solchen strategischen Instandhaltungsmanagements dar.

4 PR SAM Der PROSAM Ansatz Das Projekt PROSAM stellt sich dieser Herausforderung und intendiert zu deren Lösung die Entwicklung neuartiger methodischer als auch methodologischer Grundlagen. Als Schlüssel wird dabei die Kombination von Expertenwissen, datenbasierten Störungsprognosemodelle und deren optimale Integration in das Instandhaltungsmanagement gesehen, wobei alle nötigen Ebenen wie Datenintegration, Datenaufbereitung, Extraktion von Zustandsmerkmalen, Modellbildung, Wissensrepräsentation und problemorientierte Systemanalyse berücksichtigt werden. Nutzen a) Erhöhung der Anlagenverfügbarkeit, da durch Fehlerfrüherkennung Schäden vorzeitig erkannt und somit Stillstände reduziert werden können. b) Reduzierung von Material- und Energiekosten, da Instandhaltungen nicht mehr aufgrund vordefinierter Pläne, sondern bedarfsgerecht durchgeführt werden. c) Bessere Planbarkeit der Instandhaltungen durch Zustandsüberwachung. d) Erhöhung der Betriebssicherheit, da bedrohliche Schäden vermieden werden. Kontakt Dr. Thomas Natschläger Data Analysis Systems Software Competence Center Hagenberg Softwarepark 21, 4232 Hagenbrg

5 Refactoring Parallel Heterogeneous Applications The RePhrase project aims to produce new software engineering tools, techniques and methodologies for developing data-intensive applications in C++, targeting heterogeneous multicore/manycore systems that combine CPUs and GPUs into a coherent parallel platform. AT A GLANCE Project title Refactoring Parallel Heterogeneous Applications a Software Engineering Approach Project coordinator Professor Kevin Hammond, University of St Andrews, UK Partners from UK: University of St Andrews Programming Research Ltd Spain: University Carlos III, Madrid CIBERSAM, Madrid Italy: University of Pisa Austria: Software Competence Center Hagenberg (SCCH) Hungary: EvoPro Ltd Israel: IBM Research, Haifa Duration 3 years Total cost 3,574,027 EC Contribution 3,574,027 Programme ICT Further information Context and motivation Heterogeneous multicore/manycore systems are becoming ubiquitous. Such systems combine CPUs, GPUs etc. into coherent highlyparallel, and energy-efficient, systems. Dataintensive applications are one of the most important and commonly encountered classes of industrial application. They are often potentially highly parallel and are a clear match to emerging heterogeneous parallel systems. Near-future data-intensive applications will thus need to consider large-scale parallelism as an essential part of their design and development. RePhrase aims to dramatically simplify this process over the state-of-the-art using a flexible semi-automated approach that will be built around emerging pattern-based parallel programming technology. Challenge Typical state-of-the-art development methodologies treat parallelism as an after-thought, deploying, for example, inappropriate concurrency techniques that are tedious, errorprone and lacking scalability or portability to new computer architectures. Developing parallel software is still seen as a specialist activity, and strong software engineering principles are rarely applied. What is needed is a new software development approach that is simple enough to be followed by applications developers, but which is flexible and robust enough to deal with highly complex parallel hardware and systems, as required for e.g. dataintensive applications.

6 Solution Expected impact In order to resolve the challenges of software development for heterogeneous parallel systems, a number of key technical problems must be addressed. We must develop an effective software engineering methodology for parallel dataintensive programming that enables the programmer to think parallel. We must support this methodology with good inter-operable tools that expose the programmer to the necessary issues related to parallelism, but that do not unnecessarily overload them with complexity. We must develop ways to help with the identification and structuring of parallelism, and with the necessary modifications of sequential code that allow parallelism to be introduced. We must provide ways to map parallel software to the target hardware platforms. We must provide mechanisms that allow parallel software to be modified/reengineered to support software evolution and new hardware platforms. We must provide mechanisms that support automatic adaptation in the presence of multiple applications and changing hardware availability. We must provide mechanisms to significantly ease or even automate the discovery of typical bugs that are encountered in programming parallel data-intensive systems. We must identify standards for patternbased parallel programming, and develop tools that automatically check the code for compliance with these standards Key to this is the RePhrase software development methodology, which will: i) develop a new requirements capture process; ii) exploit emerging pattern-based parallel programming and refactoring technology for parallel programming, so addressing key issues in design and implementation; iii) develop adaptivity mechanisms to deal with issues of deployment on heterogeneous platforms; and iv) develop new parallel testing, verification and debugging techniques to deal with correctness and extra-functional concerns. The RePhrase project directly targets the expected impacts for ICT as follows: RePhrase will provide a significant productivity increase in the development, testing, verification, deployment and maintenance of parallel systems. RePhrase will impact availability and market take-up of innovative tools directly, through the production of new and innovative tools for parallel systems. RePhrase will provide evidence of potential for productivity gains in the production of parallel, data-intensive software. The impact of the project will be enhanced by the inclusion of a major software development company (IBM), by the involvement of 3 SMEs (Programming Research Ltd, EvoPro and the research organization SCCH), by engagement with leading standards bodies (e.g. the C++ committee and MISRA), and by the inclusion of leading relevant European experts on parallelism and software engineering. Requirements Capture Design DSL Refactoring Pa ern DSL Pa ern Implementa ons Implementa on Tes ng, Failure/ Viola on Detec on Tes ng/verifica on Sta c Mapping/ Compila on Deployment CPU Reqs Ini al app Spec + Pa ern struct Pa ern app Refined app Binary CPU CPU GPU GPU Program Shaping/Pa ern Discovery Refactoring Quality Assurance Coding Standards Refactoring Parallel Heterogeneous Applications a Software Engineering Approach RePhrase 2 / 2

7 Smart Maintenance Ressourcenintelligente Instandhaltungsstrategie für die Produktion der Zukunft Im Rahmen der FTI-Initiative (Forschung, Technologie und Innovation) Produktion der Zukunft, welche sich vor allem zentralen Fragestellungen der sachgütererzeugenden Industrie widmet, startete Anfang September 2014 das Forschungsprojekt Smart Maintenance. Das Projektkonsortium: Montanuniversität Leoben - Lehrstuhl Wirtschafts- und Betriebswissenschaften (Leitung), Software Competence Center Hagenberg, Messfeld sowie BMW Motoren und BRP-Powertrain. Damit haben sich die führenden nationalen Experten auf ihren Gebie-ten zusammengeschlossen, um an einem ressourcenintelligenten antizipativen Instandhaltungsansatz zu forschen und adäquate Lösungen für die Industrie zur Verfügung zu stellen. Das Ziel Ziel dieses von der FFG geförderten Forschungsprojektes ist es, eine verbesserte Grundlage für Instandhaltungsstrategieentscheidungen zu schaffen. Die Instandhaltungskosten sollen dabei gesenkt, die Anlagenverfügbarkeit hingegen weiter erhöht werden. Die Herausforderung Fertigungsanlagen unterliegen einem Verschleiß. Dieser führt ohne Gegenmaßnahmen im schlimmsten Fall zum Ausfall der Komponenten und zu ungeplanten Stillständen der Anlage, kann jedoch auch zu einer Minderung der Produktqualität, eingeschränkten Betriebsbedingungen oder erhöhten Energieverbräuchen führen. Verschleiß erfordert somit eine entsprechende Instandhaltungsstrategie mit einem Maßnahmenbündel reaktiver oder präventiver Art, um ökonomische und ökologische Folgen zu minimieren. Zu den präventiven Maßnahmen gehören ua. Condition Monitoring Systeme. Der innovative Ansatz von Smart Maintenance Das Projekt liefert erstmals Ansätze zur Ableitung einer kostenoptimalen Anlagenbewirtschaftungsstrategie unter Berücksichtigung von - Informationen von punktuellen Condition Monitoring Daten - einer kombinatorischen Datenanalyse, d.h. von aktuellen Maschinendaten (bspw. Stromaufnahme, Leistungsaufnahme) sowie gespeicherten Anlagenhistoriendaten (Störungsdatenbank), Prozess- und Produktdaten (bspw. Qualitätsmerkmale, Anzahl fehlerhafter Teile, Fehlermerkmale) und - Störungsprognostik Technische Möglichkeiten und Grenzen werden dabei aufgezeigt und die industrielle Anwendung in einem Produktionssystem ökonomisch bewertet.

8 Der Einsatz von Condition Monitoring wird optimiert, indem über Bewertungs- und Entscheidungsmodelle analysiert wird, ob der Einsatz von zustandsüberwachenden Technologien für systemkritische Anlagenkomponenten überhaupt technologisch möglich ist bzw. auch ökonomisch Sinn macht. Grundsätzlich spielen sowohl technologische Grenzen als auch betriebswirtschaftliche Aspekte im Sinne von Risiko- und Lebenszyklusbetrachtungen kritischer Anlagen eine wesentliche Rolle. Ergänzend zu Condition Monitoring werden mithilfe von Datenanalysemethoden (Datamining von Maschinen-, Prozess- und Produktdaten) mögliche Muster für ein Maschinenausfallverhalten erkannt (bspw. tritt eine Häufung von Anlagenausfällen bei einer bestimmten Produktgruppe, Temperatur, Tageszeit, auf). Diese Muster dienen in weiterer Folge zur Entwicklung von Methoden der Störungsprognostik, aus denen verbesserte Planungsregeln (Algorithmen) für Instandhaltungsstrategien abgeleitet werden können. Mehrwert für Projektpartner Industriebefragungen zeigen, dass vor allem traditionelle Methoden (Stromaufnahmemessung, Schmiermittelanalysen, Temperaturmessung) relativ gut etabliert sind, bspw. akustische Messverfahren hingegen noch weniger häufig vorkommen. Durch den kombinatorischen Einsatz der Methoden geht der Ansatz von Smart Maintenance über die traditionell etablierten Methoden weit hinaus und ist zudem Bestandteil einer übergeordneten Anlagenbewirtschaftungsstrategie. Die Industriepartner BMW Motoren und BRP-Powertrain profitieren dabei direkt durch die konkrete Umsetzung und Anwendung der entwickelten Methoden und Modelle. Zusätzlich können durch die Verwendung praxisnaher Parameter die entwickelten Modelle besser validiert werden. Weitere Informationen Lehrstuhl für Wirtschafts- und Betriebswissenschaften/ Montanuniversität Leoben o. Univ. Prof. DI Dr. Hubert Biedermann DI Alfred Kinz Peter Tunner Straße Leoben Tel: 03842/ Software Competence Center Hagenberg Dr. Bernhard Freudenthaler Softwarepark Hagenberg