De analyse van sensorgegevens van machines, fabrieken of gebouwen maken het mogelijk afwijkende toestanden vroegtijdig te detecteren en zo verdere schade te voorkomen. Voor dit doeleinde, de monitoringgegevens worden doorzocht op afwijkingen. Door middel van machinaal leren, anomaliedetectie kan al gedeeltelijk worden geautomatiseerd.

Methoden voor machinaal leren vereisen eerst een stabiele leerfase waarin ze alle mogelijke soorten reguliere toestanden leren kennen. Voor windturbines of bruggen, dit is slechts in zeer beperkte mate mogelijk, zoals ze zijn, bijvoorbeeld, blootgesteld aan sterk wisselende weersomstandigheden. In aanvulling, er is meestal weinig informatie beschikbaar over afwijkende gebeurtenissen. Als resultaat, het is moeilijk voor het systeem om uitzonderlijke staten te identificeren en te categoriseren. Echter, deze kennis is belangrijk om erachter te komen hoe precair de respectieve afwijkingen van de norm werkelijk zijn. Deze problemen moeten worden aangepakt in het project "Machine Learning Procedures for Stochastic-Deterministic Multi-Sensor Signals" (MADESI).

Numerieke simulaties kunnen alle denkbare scenario's doorlopen. Bijvoorbeeld, het is mogelijk om te simuleren wat er gebeurt als sterke buien een windturbine raken. Het monitoringsysteem kan vervolgens worden getraind met gegevens die door deze simulaties worden gegenereerd en vervolgens autonoom afwijkingen detecteren en interpreteren.

De onderzoekers in het MADESI-project ontwikkelen methoden die het gebruik van simulatiegegevens in machine learning mogelijk maken. Hier, het monitoringsysteem moet zo worden ontworpen dat het kan worden getraind met behulp van echte sensorgegevens en simulatiegegevens. Bovendien, het consortium wil de interpreteerbaarheid van de monitoringgegevens vergroten. "Voor dit doeleinde, wij bij SCAI werken aan dataminingmethoden die patronen in de scenariogegevens kunnen herkennen, " legt projectmanager Prof. Dr. Jochen Garcke uit, hoofd van de afdeling "Numerical Data-Driven Prediction" bij Fraunhofer SCAI. "Hier, ook kijken we naar karakteristieke kenmerken van specifieke beschadigingen aan tandwielkasten van windturbines of naar ijs op de rotorbladen van een windturbine."