Frank Liebau

Automatische Anomalieerkennung in Zeitreihen für industrielle Sensorik, Fertigungsprozesse und technische Systeme. Laufende Mess-, Sensor- und Prozessdaten werden fortlaufend daraufhin bewertet, ob sie vom erwarteten Normalbetrieb abweichen. Ergebnis ist ein kontinuierlicher Anomaliescore zur Trendbewertung sowie für Warn- und Alarmstufen.

Zum Einsatz kommen robuste statistische Verfahren auf Basis von Prognosefehlern sowie Deep-Learning-Modelle, die Muster direkt aus Rohsignalen lernen und den erwarteten zeitlichen Verlauf vorhersagen. So lassen sich Auffälligkeiten in Maschinen, Anlagen und Prozessen frühzeitig erkennen.

Details:

Im Rahmen eines Werkvertrags mit der BAM entwickelte die GWR GmbH ein OpenFOAM-basiertes Simulationsmodell zur Analyse des Klimas in Gewächshäusern. Das Modell integriert die Konvektions-Diffusions-Gleichung für den Feuchtetransport und koppelt sie über eine modifizierte Boussinesq-Approximation mit dem Strömungsfeld. Zudem wurde ein Solarmodell implementiert, das die Position der Sonne basierend auf geografischen und zeitlichen Parametern berechnet und deren Einfluss auf die Innenraumtemperatur simuliert. Die Simulation berücksichtigt transparente Materialien mit spezifischen Transmissionskoeffizienten, um den Treibhauseffekt realistisch abzubilden. Zur Bewertung der Lüftungseffizienz wurde die "Age of Air"-Theorie angewendet, um die Frischluftverteilung im Gewächshaus zu analysieren. Die Implementierung erfolgte in C++ unter Verwendung von OpenFOAM, ergänzt durch Python-Skripte für die Datenvor- und -nachbereitung.

Entwicklung numerischer Verfahren für Surface-to-Surface-Strahlungsmodelle auf Basis der Radiosity-Gleichung. Schwerpunkte sind die Diskretisierung von Integralgleichungen, die effiziente Behandlung dicht besetzter Viewfactor-Matrizen mit hierarchischen Datenstrukturen und iterativen Lösern sowie die massiv parallele Sichtbarkeitsberechnung auf CPU/GPU mit Embree und OptiX.