A análise de dados de sensores de máquinas, plantas ou edifícios tornam possível detectar estados anômalos precocemente e, assim, evitar maiores danos. Para este propósito, os dados de monitoramento são pesquisados ​​em busca de anomalias. Por meio do aprendizado de máquina, a detecção de anomalias já pode ser parcialmente automatizada.

Os métodos de aprendizado de máquina requerem primeiro uma fase de aprendizado estável na qual eles conhecem todos os tipos possíveis de estados regulares. Para turbinas eólicas ou pontes, isso só é possível em uma extensão muito limitada, como eles são, por exemplo, exposto a condições climáticas altamente flutuantes. Além disso, geralmente há poucas informações disponíveis sobre eventos anômalos. Como resultado, é difícil para o sistema identificar e categorizar estados excepcionais. Contudo, este conhecimento é importante para saber o quão precários são os respectivos desvios da norma. Estes problemas serão abordados no projeto "Procedimentos de Aprendizagem de Máquina para Sinais Multissensores Estocásticos-Determinísticos" (MADESI).

As simulações numéricas podem ser executadas em todos os cenários concebíveis. Por exemplo, é possível simular o que acontece se fortes rajadas de vento atingirem uma turbina eólica. O sistema de monitoramento pode então ser treinado com os dados gerados por essas simulações e, posteriormente, detectar e interpretar anomalias de forma autônoma.

Os pesquisadores do projeto MADESI desenvolvem métodos que permitem a utilização de dados de simulação em aprendizado de máquina. Aqui, o sistema de monitoramento precisa ser projetado de tal forma que possa ser treinado usando dados reais do sensor e dados de simulação. Além disso, o consórcio pretende aumentar a interpretabilidade dos dados de monitoramento. “Para este propósito, nós da SCAI trabalhamos em métodos de mineração de dados que podem reconhecer padrões nos dados do cenário, "explica o gerente de projeto, Prof. Dr. Jochen Garcke, chefe do departamento "Numerical Data-Driven Prediction" da Fraunhofer SCAI. "Aqui, também buscamos características de danos específicos em caixas de engrenagens de turbinas eólicas ou gelo nas pás do rotor de uma turbina eólica. "