FH Bielefeld (Prof. Dormeier, Dr. Peters), MFH Iserlohn (Prof. Ulrich Lehmann, Prof. Hermann Johannes, Dipl.-Ing. Udo Reitz, Dipl.-Ing. Johannes Brenig) und FH Münster (Prof. Egon Weiner)

Der neu entwickelte adaptive Neuro-Fuzzy-Regler ist in der Lage, sich selbsttätig auf unterschiedliche Situation im Produktionsprozess einzustellen und sein Verhalten im Sinne der Erzielung einer optimalen Prozeßgüte zielgerichtet zu trainieren. Er arbeitet als “Hochleistungssportler”, der seine Ergebnisse durch ständiges Training verbessert. Dabei ist er achtsamer und zuverlässiger als ein menschlicher Experte.
Zur Modellierung der Adaptionsstrategie wurde ein mehrschichtiges Neuronales Netz mit überwachtem Lernen eingesetzt; als Regelalgorithmus ein standardmäßiger PID-Algorithmus. Die Regler-Software wurde auf zwei Hardwareplattformen,  Speicherprogrammierbare Steuerung (SPS) und Industrie PC portiert.

Fachhochschule Köln, Fachbereich Nachrichtentechnik, Prof. Dr.-Ing. H. M. Schaedel und Prof. Dr.-Ing. R. Bartz

Eine Adaption von Reglern durch Beobachtung im geschlossenen Regelkreis ohne spezielle Prozesskenntnisse ist für den industriellen Einsatz von besonderer Bedeutung. Eine Auftrennung des Regelkreises oder eine Strukturumschaltung des Reglers ist in vielen Fällen unerwünscht oder nicht möglich. Es wurde ein Verfahren entwickelt, das auf der Grundlage von drei einfachen Merkmalen der Sprungantwort im geschlossenen Kreis eine Fehleinstellung von PI-Reglern erkennt und in weniger als 10 Korrekturzyklen zu einer optimalen Reglereinstellung führt.

Fachhochschule Köln, Fachbereich Nachrichtentechnik, Prof. Dr.-Ing. H. M. Schaedel und Prof. Dr.-Ing. R. Bartz
Kooperationspartner Dr. Hans Boekels GmbH Aachen

Gegenstand des Projektes ist die Empfindlichkeitssteigerung eines Metallfeinsuchgerätes für Lebensmittelindustrie. Die Problematik der bisher eingesetzten Auswertetechnik liegt darin, dass leitfähige Produkte (wie z. B. eingekochtes Gemüse, Fleischwaren etc.) ohne metallische Verunreinigungen die Empfindlichkeit des Gerätes reduzieren. In Zusammenarbeit mit der Firma Dr. Hans Boekels GmbH & Co. in Aachen wurde eine auf Fuzzy-Logik basierende Signalauswertung entwickelt, die die Empfindlichkeit des Gerätes wesentlich steigert. In der neuen Metallsuchgeneration Discovery ist die Fuzzy-Signalauswertung als Option implementiert.

Prof. Dr. Michael Bongards, FH Köln Abt. Gummersbach, zeigte die Präsentation Neuronale Netze erlernen automatisch das Betriebsverhalten einer Kläranlage.

Sie sagen wahrscheinliche Betriebszustände und Anlagenbelastungen voraus. Damit ist z.B. eine vorausschauende Regelung des Sauerstoffeintrages und der Stickstoffelimination möglich. Kapazitätsreserven auch von stark belasteten Anlagen lassen sich so optimal nutzen. Über 16 Monate konnten wir sehr positive Betriebserfahrungen auf einer kommunalen Kläranlage von 60.000 EGW sammeln.

Prof. Dr. M. Büchel, Dipl.-Ing. A. Siomos und Cand.-Ing. S. Urbanietz (FH Gelsenkirchen)

Die Lösung besteht darin, Energiebezugskosten zu optimieren bzw. die Überlastung von Anlagen wie z.B. Transformatoren zu verhindern, indem es drohende Leistungsspitzen beim Bezug von Strom oder Gas möglichst zu unterdrücken versucht. Dazu ist einerseits eine Prognose des kurzfristig zu erwartenden Leistungsverlaufs erforderlich, andererseits sind aufgrund dieser Prognosen Entscheidungen über das Zu- oder Abschalten von Verbrauchern zu treffen. Das Projekt der Fachhochschule Gelsenkirchen zeichnet sich aus durch folgende Technologieansätze:

• Für die Prognosekomponente wird die Eignung neuronaler Algorithmen erprobt.
• Im Rahmen der Entscheidungskomponente kommen Fuzzy-Methoden zum Einsatz.
• Softwareplattform ist eine „Soft-SPS“,  die Programmierung erfolgt nach IEC 1131.
• Als Bedien- und Beobachtungseinheit wird eine kommerzielle Visualisierungssoftware verwendet.

Prof. Dr. Hermann Johannes, MFH Hagen

Data Mining ist ein Verfahren zur Analyse von Unternehmensdaten, bei dem nach unbekannten Zusammenhängen und Informationen in den Daten geforscht wird. Ein Beispiel ist die gezielte Analyse von Neukunden, mit denen das Unternehmen noch wenig Erfahrung hat. Ein anderes Beispiel ist die Suche nach „Bei-Käufen“, d. h. die Suche nach Artikeln, die der Kunde beim Kauf des von ihm eigentlich gesuchten Kaufgegenstandes spontan mitnimmt, obwohl er den Kauf dieses Artikels gar nicht vorhatte. Bei dieser Art der Analyse wird häufig das Data Mining eingesetzt, dass insbesondere mit der Technologie der Neuro-Fuzzy-Systeme arbeitet. Mit solchen Verfahren können Prognosen aller Art (Umsatzprognosen, Preisprognosen, Aktienkursprognose) aufgrund von Daten der Vergangenheit recht genau erstellt werden. Der Begriff Data Mining bedeutet somit "Schürfen in Datenbeständen" (engl. mining = Bergbau, Schürfung). Das Verfahren ist nich auf betriebswirtschaftliche Anwendungen beschränkt. Es kann auch gut bei wenig bekannten technischen Prozessen zur Ermittlung der relevanten Einflußgrößen und Abhängigkeiten genutzt werden.