Prozessdatenanalyse – Zusammenhänge aus Betriebsdaten mit klassischen und KI-Methoden bewerten
mit Übungen aus der Verfahrenstechnik und einfachen und erweiterbaren Beispielrechnungen mit Excel und der frei verfügbaren Software R

Buchen Sie Ihre Fortbildung
2. Konditionen
1. Ort & Termin
3. Teilnehmer
* Wählen Sie zuerst einen Ort und ein Datum in der Terminbox oben rechts aus
Zusammenfassung Ihrer Buchung
Prozessdatenanalyse – Zusammenhänge aus Betriebsdaten mit klassischen und KI-Methoden bewerten
Mittels Prozessdatenanalyse werden aus normalen Betriebsdaten und/oder aus geplanten Versuchen qualitative und quantitative Zusammenhänge extrahiert. In einfachen Fällen mittels Regression (basierend auf der Methode der kleinsten Quadrate), in komplexen Fällen mittels maschinellen Lernens (neuronales Netz, Clustering, Entscheidungsbäume, usw.) Letztere bilden die so genannten KI-Methoden.
Dieses Seminar beginnt mit den klassischen Datenauswertungsmethoden, und endet bei den Verfahren des maschinellen Lernens.
Für die Fallbeispiele werden Excel, R und wenig Python-Codes gezeigt, welche leicht für die eigene Anwendung umgestellt werden können. (R und Python sind lizenzfreie Software.)
Das KI-Zeitalter hat auch die Fragestellungen der Datenanalyse erreicht. So wird gezeigt, wie die Programmierung mit in natürlicher Sprache formulierten Fragestellungen umsetzbar ist. Hier wird neben Chat-GPT auch eine für die Datenanalyse entwickelte KI-Anwendung gezeigt.
Zum Thema
Industrie 4.0 und immer modernere Automatisierungssysteme führen zu einer wachsenden Datenmenge. 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 (wie diejenige des maschinellen Lernens) stehen statistische Analyseverfahren wie z. B. die frei verfügbare statistische Programmiersprache R oder Python 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.
Zu jedem Themengebiet wird ein praktisches Beispiel - zusammen mit den geplanten Lösungsschritten - erklärt, wofür die Methode nützlich verwendbar ist.
Unterschiedliche Anwendungsbeispiele zur Prozessdatenanalyse in der Praxis finden Sie hier im digitalen Campus .
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 Fragestellungen aus der Industriepraxis anschaulich.
Teilnehmerkreis
Fachleute und Ingenieure aus dem Betrieb, welche aus Betriebsdaten oder geplanten Versuchen Zusammenhänge oder Modelle aufstellen möchten. Des Weiteren Mitarbeiter aus der Instandhaltung, die mit Condition Monitoring und Predictive Maintenance beauftragt sind und jene, die aus Predicitive Analytics Schlüsse für den reibungslosen Betrieb ziehen möchten.
Programm
Hybrid-Seminar Tag 1, 09:00 bis 17:00 Uhr
- Prozessdatenanalyse Teil 1
- Prozessdatenvorbehandlung von gestörten Messungen mittels Ausreißererkennung,
Glätten und Filtern (Anwendungsbeispiel: Durchflussmessung) - Erkennung von signifikanten Einflussfaktoren auf relevante Größen, wie z.B.
Umsatz mittels (einfacher, partieller und Rang-) Korrelationsanalyse
(Anwendungsbeispiel: Zementzusammensetzung) - Schätzung und Bewertung von Zusammenhängen wie Kalibrierkurven, Kennlinien
und Trends mittels Regression (Anwendungsbeispiel: Wärmeübertragermodell) - Einführung in die statistische Versuchsplanung (Beispiel: Chemischer Reaktor)
- Erkennung von Zusammenhängen und Datenreduktion bei vielen
Einflussfaktoren (z. B. bei der Spektroskopie) mittels Hauptkomponentenanalyse
(Anwendungsbeispiel: Oktanzahlbestimmung) - Experimentelle Modellbildung bei großen Datenmengen durch Beibehaltung der
wichtigsten Komponenten - Variablenreduktion mittels schrittweiser, partieller und
Hauptkomponenten-Regression (Anwendungsbeispiel: Zementzusammensetzung)
- Prozessdatenvorbehandlung von gestörten Messungen mittels Ausreißererkennung,
Hybrid-Seminar Tag 2, 08:30 bis 16:30 Uhr
- Prozessdatenanalyse Teil 2
- Softsensoren für nicht direkt messbare Größen basierend auf Regression oder
neuronalen Netzen (Anwendungsbeispiel: Konzentrationsmessung einer
Rektifikationskolonne) - Statistische Prozess- und Messgerätekontrolle (SPC) mittels verschiedener ein- und
mehrdimensionaler Regelkarten (Anwendungsbeispiel: Emissionsmessung) - Schwingungsanalyse und Fehlerfrüherkennungsmethoden für die
Instandhaltung. Erkennung von Ventilreibungen (Anwendungsbeispiele:
Glasrisskontrolle, Lagerschaden) - Clusterbildung und Klassifikation neuer Messungen für die Fehlererkennung und
Ursachenanalyse (Anwendungsbeispiel: Strahlgutkontrolle) - Maschinelles Lernen für Klassifikation: Entscheidungsbaum, nächster Nachbar, Unterstützungsvektor, Diskriminanzanalyse, logistische Regression (Anwendungsbeispiel: Biogasanalyse)
- Erkennung von Änderungen in Prozessdaten mit statistischen Methoden
(Beispiel: Leck in Rohrleitung) - Vorstellung gebräuchlicher Datenanalyseprogramme.
Die Lösungen auf die Fragestellungen aus der Praxis hier im digitalen Campus werden im
Seminar behandelt (Anwendungsbeispiele).Weitere Informationen entnehmen Sie dem Flyer-Download oder besuchen Sie uns im digitalen Campus .
Wir planen auch den vollständigen Ablauf einiger Datenauswertung-Anwendungen zusammen mit den Teilnehmern.
Am ersten Tag, im Anschluss an die Schulung bieten die Dozenten gratis Konsultation über die
von den Teilnehmern mitgebrachten Problemstellungen. - Softsensoren für nicht direkt messbare Größen basierend auf Regression oder
Weitere Informationen entnehmen Sie dem Flyer-Download oder besuchen Sie uns im Digitalen Campus
Nützliche Links zu "Prozessdatenanalyse – Zusammenhänge aus Betriebsdaten mit klassischen und KI-Methoden bewerten"
Referenten
Prof. Dr.-Ing. Robert Haber
Fachgebiet Prozessleittechnik und Prozessdatenanalyse, Institut Anlagen‐ und Verfahrenstechnik, Technische Hochschule Köln
Robert Haber studierte Elektrotechnik mit Schwerpunkt Prozessautomatisierung. Er beschäftigte sich als wissenschaftlicher Mitarbeiter mit der Regelung verfahrenstechnischer Prozesse. Im Jahr 1988 wurde er als Professor für Prozessautomatisierung an die Technische Hochschule Köln ins Institut für Anlagen- und Verfahrenstechnik berufen. Seine Lehrgebiete umfassen die Prozessmesstechnik, Regelungstechnik, Prozessleittechnik und Prozessdatenanalyse. Aus diesen Themen hält er seit seiner Pensionierung noch Kurse.
Informationen
Links:
- Hotelpartner in Essen
- HDT-Sommerakademie
- Download 0568D828461C67-PDA-Anw-Beispiel-Tag1-Kap2-Datenvorbehandlung2024-02-27.pdf
- Download 18169CA555C4A3-PDA-Anw-Beispiel-Tag1-Kap03-Korrelatinsanalyse2024-02-27.pdf
- Download 61DCC0EC6DC710-PDA-Anw-Beispiel-Tag1-Kap04-Regression2024-02-27.pdf
- Download B64D4A60DC2B30-PDA-Anw-Beispiel-Tag1-Kap05-statistische-Versuchsplanung2024-02-27.pdf
- Download 5B4F6B0ABF68A6-PDA-Anw-Beispiel-Tag1-Kap06-Datenreduktion-PCA2024-02-27.pdf
- Download 21AEDB7A7F3225-PDA-Anw-Beispiel-Tag1-Kap07-Exp-Modellbildung-Struktursuche2024-02-27.pdf
- Download 0C8E076F6FE1BB-PDA-Anw-Beispiel-Tag2-Kap8-9-NeuronalesNetz-Softsensor2024-02-27.pdf
- Download 55F8A7875D900A-PDA-Anw-Beispiel-Tag2-Kap10-Frequenzanalyse2024-02-27.pdf
- Download B4FE46B0A4045C-PDA-Anw-Beispiel-Tag2-Kap11-Clusterbildung-Klassifikation2024-02-27.pdf
- Download 6E05D52FB265D9-PDA-Anw-Beispiel-Tag2-Kap12-Aenderungserkennung2024-02-27.pdf
- Download 0568D828461C67-PDA-Anw-Beispiel-Tag1-Kap2-Datenvorbehandlung2024-02-27.pdf
- Download 18169CA555C4A3-PDA-Anw-Beispiel-Tag1-Kap03-Korrelatinsanalyse2024-02-27.pdf
- Download 61DCC0EC6DC710-PDA-Anw-Beispiel-Tag1-Kap04-Regression2024-02-27.pdf
- Download B64D4A60DC2B30-PDA-Anw-Beispiel-Tag1-Kap05-statistische-Versuchsplanung2024-02-27.pdf
- Download 5B4F6B0ABF68A6-PDA-Anw-Beispiel-Tag1-Kap06-Datenreduktion-PCA2024-02-27.pdf
- Download 21AEDB7A7F3225-PDA-Anw-Beispiel-Tag1-Kap07-Exp-Modellbildung-Struktursuche2024-02-27.pdf
- Download 0C8E076F6FE1BB-PDA-Anw-Beispiel-Tag2-Kap8-9-NeuronalesNetz-Softsensor2024-02-27.pdf
- Download 55F8A7875D900A-PDA-Anw-Beispiel-Tag2-Kap10-Frequenzanalyse2024-02-27.pdf
- Download B4FE46B0A4045C-PDA-Anw-Beispiel-Tag2-Kap11-Clusterbildung-Klassifikation2024-02-27.pdf
- Download 6E05D52FB265D9-PDA-Anw-Beispiel-Tag2-Kap12-Aenderungserkennung2024-02-27.pdf
Verfügbare Downloads:
In der Box "Extras" können Sie den Flyer zu einer Veranstaltung herunterladen. Bei mehreren Terminen bitte zuvor eine Veranstaltung auswählen.
Veranstaltungsorte:
Hinweise
Zu allen Themen werden einfache Beispiele, sowie simulierte und reale Industriedaten in Excel, komplexere Aufgaben mit großen Datensätzen mit der freiverfügbaren statistischen Programmiersprache R berechnet. Programmierkenntnisse werden nicht vorausgesetzt. Die Beispielprogramme können leicht für eigene Bedürfnisse angepasst und erweitert werden. Die Teilnehmer erhalten die Möglichkeit die meisten Simulationen selbst auf Ihren Rechnern – auch während des Seminars – nachzuvollziehen.
Mit Ihrem eigenen Laptop können Sie aktiv an der Veranstaltung teilnehmen. (Das Excel-eigene Add-In „Analyse-Funktionen“ und „Solver“ wird verwendet.) Die lizenzfreie Software R wird im Seminar in der Version 4.2.1 verwendet.
Ab dem 22.08.2022 entfällt bis auf Weiteres die 3G-Regel mit Nachweispflicht. Das durchgängige Tragen eines medizinischen Mund-Nasen-Schutz in allen öffentlichen Bereichen wird empfohlen
Termine
Extras
Digitaler Campus
Inhouse
"Seminar nach Maß" – Diesen Inhalt oder weitere Themen als maßgeschneidertes Seminar – Sprechen Sie uns an!
Jetzt anfragenBildungsscheck
Das Förderprogramm für die berufliche Weiterbildung von Beschäftigten in NRW
Bildungsscheck InfosIhr Ansprechpartner
Fachliche Fragen: