IAMCOOL

Ziel des Projektes IAMCool ist die Umsetzung einer KI-gestützte prädiktiven Anomalieerkennung für Kälteanlagen mit einer Modellierung der variablen Kontexte. Aktuell werden zur Fehlererkennung von Kälteanlagen Schwellwerten und ein darauf aufbauender regelbasierten Ansatz eingesetzt. Schwellwerte und Regeln kommen durch Erfahrungswerte zustanden und müssen bei Bedarf händisch angepasst werden. Die Einführung von KI soll eine verbesserte Anomalieerkennung ermöglichen, die frühzeitig sich anbahnende Fehlerzustände erkennen und die möglichst die Ursachen identifizieren kann. Um diese Ziele zu erreichen, sollen aktuelle KI-Methoden die sich für die Verarbeitung von Sequenzen und die Detektion von Anomalien bei anderen Datenformaten als geeignet erwiesen haben, auf die Daten der Anlagen bzw. Kühlmöbeln angewendet und erprobt werden. Der Ansatz verfolgt dabei eine Kombination aus Forecasting und Anomalieerkennung, um eine prädiktive Erkennung zu ermöglichen. Um in der Modellierung die variablen Kontexte, also die Unterschiedlichkeit der einzelnen Anlagen berücksichtigen zu können, sollen Datensets mit unterschiedlicher Sensorausstattung zum Training genutzt werden um nicht vorhandene Werte entweder interpolieren oder ignorieren zu können. Für die Erprobung und Umsetzung des Lösungsansatzes stehen bereits Daten aus einer größeren Menge von Supermärkten zur Verfügung. Diese haben bereits gekennzeichnete Alarmmeldungen, welche als Grundlage zum Training der Modelle dienen.