GMV präsentiert auf der TDWI Conference in München, wie industrielle Anomalien mit GMV PitIA erkannt werden können.

GMV nahm an der TDWI Conference Munich teil, einem der wichtigsten europäischen Treffen zu Daten, Analytics und Künstlicher Intelligenz. Dort präsentierten Miguel Tejedor und Fernando López den Vortrag „Explainable Unsupervised Anomaly Detection for Telemetry“, der sich darauf konzentrierte, wie Künstliche Intelligenz aus dem Labor in den operativen Alltag komplexer industrieller Systeme überführt werden kann.

Während der Sitzung zeigten die Experten von GMV die Fähigkeiten von GMV PitIA, einer Lösung, die entwickelt wurde, um große Mengen industrieller Telemetrie in nützliche Informationen für operative Entscheidungsprozesse umzuwandeln. Der Ansatz basiert auf einem einheitlichen Modell, das in der Lage ist, das normale Verhalten von Prozessen anhand multivariater latenter Repräsentationen korrelierter Signale zu lernen und so verschiedene Anwendungsfälle innerhalb eines einzigen technologischen Rahmens zu adressieren.

Unter den vorgestellten Fähigkeiten stachen die Vorhersage von Prozessvariablen mithilfe virtueller Sensoren, die unüberwachte Anomalieerkennung ohne zuvor gelabelte Daten, die ereignisbasierte Betriebsüberwachung sowie die Identifikation der für jede erkannte Abweichung verantwortlichen Variablen hervor, wodurch die Ursachenanalyse und die Interpretation der Ergebnisse durch die Betreiber erleichtert werden. Das System beinhaltet zudem Mechanismen zur kontinuierlichen Anpassung, die es ermöglichen, die Modelle an die Entwicklung industrieller Prozesse anzupassen.

Die Präsentation hob außerdem die Bedeutung der Kombination aus erklärbaren Modellen, ereignisbasierter Schlussfolgerung und kontinuierlicher Aktualisierung hervor, um Fehlalarme zu reduzieren, das Störungsmanagement zu verbessern und die Integration von Künstlicher Intelligenz in bestehende Plattformen und operative Arbeitsabläufe zu erleichtern. Darüber hinaus kann GMV PitIA sowohl an Szenarien mit großen Mengen historischer Daten als auch an Umgebungen mit sehr begrenzten Daten angepasst werden, wie es etwa bei Weltraumanwendungen mit Satelliten zu Beginn ihres Betriebs der Fall ist, dank eines Ansatzes, der die Abhängigkeit von umfangreichen Trainingsdatensätzen reduziert. Diese Flexibilität erleichtert den Einsatz in einer Vielzahl industrieller und missionsbezogener Umgebungen.

Mit GMV PitIAbekräftigt GMV sein Engagement für die Entwicklung zuverlässiger, erklärbarer und operativ ausgerichteter KI-Lösungen, die Organisationen dabei unterstützen, Daten in schnellere, präzisere und handlungsrelevante Entscheidungen in hochkritischen Industrieumgebungen zu überführen.