Das FFG-geförderte Forschungsprojekt OTMEvolver ist eine Kooperation zwischen team und der JKU Linz. Ziel ist es, innovative und intelligente Ansätze für das Monitoring großer, komplexer Systemlandschaften zu entwickeln. Durch (Semi)Automatisierung können damit zusammenhängende Fehlerbilder, deren Ursachen sowie Auswirkungen automatisch erkannt werden – ein Mehrwert für die Servicequalität, das Monitoring und die Fehlerprävention großer, komplexer Systeme.
Zusammenhänge und Abhängigkeiten automatisch erkennen. Ein relevantes Teilziel des Projektes ist die Erstellung eines repräsentativen, semantischen Modells der technischen Infrastruktur. Dabei werden Gewerke, deren Geräte und Systeme (Hardware wie auch Software) – die Operational Technology (OT) – sowie deren Abhängigkeiten zueinander (z.B. Energieversorgung, Netzwerkverbindungen) betrachtet. Da die Abhängigkeiten zwischen einzelnen Gewerken, deren Geräten und Systemen oftmals nicht bekannt sind und diese Information nur implizit in operativen Daten enthalten ist, wird das Ziel verfolgt, diese Abhängigkeiten (semi-)automatisch aus den operativen Daten (z.B. Kommunikationsdaten) abzuleiten, beziehungsweise automatisch zu erkennen.
Mehrwert. Ein (semi-)automatisch „gelerntes“ semantisches Modell der technischen Infrastruktur kann für folgende Anwendungsbereiche einen Mehrwert erzielen:
- Qualitätssicherung
- Durch das automatisierte Erfassen aller aktiven OT-Geräte sowie deren Abhängigkeiten zueinander können Abweichungen zwischen Soll- (z.B. Planungsstand) und Ist-Stand eines Systems (der technischen Infrastruktur) aufgezeigt werden.
- Dies trifft ebenso auf Veränderungen eines Systems (der technischen Infrastruktur), um langfristig dessen Entwicklung zu erfassen.
- Fehleranalyse u. Ursachenermittlung
- Informationen über Abhängigkeiten bzw. semantische Beziehungen zwischen Geräten unterstützen im Störfall beim Identifizieren der zugrundeliegenden Ursache, um eine gezielte Entstörung zu ermöglichen.
- Monitoring der Servicequalität
- Entsprechende Servicequalitäts-Regeln (z.B. abgeleitet von den minimalen Betriebsbedingungen) auf Basis eines semantischen Modells ermöglichen ein Monitoring der Servicequalität sowie die Bestimmung der Auswirkungen von Störfällen auf die Servicequalität.
- Präventive Maßnahmen
- Weiters können diese Informationen beim Prognostizieren von möglichen systemkritischen Störfällen und ein präventives Alarmieren unterstützen, um frühzeitig auf potenzielle Störquellen reagieren zu können.
Semantisches Modell als Basis für Anwendungsbereiche eines Monitorings
Synergien zwischen Forschung und Praxis nützen. Die Forschungstätigkeiten im Projekt sind auch die Basis für meine Dissertation in diesem Themenumfeld. Den wissenschaftlichen Input aus dem Forschungsprojekt bzw. meiner Dissertation kann ich optimal in Kundenprojekte der team im Umfeld der Verkehrstelematik einbringen. Das ermöglicht mir, wissenschaftlich fundierte Lösungen für Anforderungen und Problemstellungen in der Praxis zu erarbeiten.