Ein fester Alarm gibt ein einfaches Versprechen: Er meldet sich, wenn etwas nicht stimmt. Der Haken ist das *wann*. Eine harte Grenze spricht erst, nachdem ein Wert die von Ihnen gesetzte Linie bereits ueberschritten hat - und dann ist der Ausfall meist schon im Gange. Die Fruehwarnung, die Sie eigentlich wollten, lag in den Stunden oder Tagen davor, in Signalen, die eine feste Schwelle nie sehen sollte.
Dieser Beitrag beantwortet eine klar abgegrenzte Frage: Warum uebersehen klassische, schwellenbasierte Alarme fruehe Warnsignale - und welche Art von Ueberwachung erkennt sie stattdessen?
Das ist die *verpasste* Seite der Alarme. Ihr Gegenstueck - Alarme, die zu oft ausloesen und die echten begraben - behandeln wir im Beitrag zur Reduzierung von Fehlalarmen mit maschinellem Lernen. Fuer den direkten Vergleich siehe Schwellenalarme vs. KI-Anomalieerkennung.
Was ein klassischer Alarm tatsaechlich tut
Ein fester Alarm beobachtet einen Messwert und loest aus, wenn dieser eine statische Grenze ueberschreitet: Lagertemperatur ueber 80 C, Druck unter 2 bar. Das ist einfach, transparent und fuer Sicherheitsabschaltungen unverzichtbar. Aber er beantwortet nur eine Frage - *ist dieser Wert gerade schlecht?* - und er beantwortet sie genau in dem Moment, in dem der Wert bereits schlecht ist.
Degradation kommt selten als ploetzlicher Sprung. Ein Lager wird jeden Tag etwas waermer; eine Pumpe zieht etwas mehr Strom; die Vibration kriecht Lauf fuer Lauf nach oben. In jedem Einzelwert sieht alles normal aus - bis zu dem Moment, in dem die Linie ueberschritten wird. Die Schwelle hat nicht versagt; sie war nur nie dafuer gebaut, eine langsame Drift ueber mehrere Signale zu bemerken.
Warum feste Alarme das fruehe Signal uebersehen
Fuenf Grenzen, und jede kostet Vorlaufzeit:
- Sie beobachten eine Variable nach der anderen, sodass ein Muster, das nur ueber Temperatur, Strom und Vibration zusammen sichtbar wird, unsichtbar bleibt.
- Sie nutzen eine statische Grenze ohne Kontext, sodass dieselbe Zahl bei Anlauf, Volllast und Reinigung gilt - was Sie zwingt, sie locker zu setzen.
- Sie haben kein Gespuer fuer Trends, sodass ein Wert, der eine Woche lang steigt, bis zur Ueberschreitung genauso aussieht wie ein stabiler.
- Sie koennen Signale nicht kombinieren, und der frueheste Hinweis liegt meist in der Beziehung zwischen Messwerten, nicht in einem einzelnen.
- Sie werden zur Vermeidung von Fehlalarmen getunt, sodass Grenzen aufgeweitet werden - und der Fruehwarn-Spielraum weitet sich mit weg.
Was das fruehe Signal stattdessen erkennt
Anomalieerkennung lernt, wie *normal* fuer Ihre Anlage aussieht - je Produkt, Geschwindigkeit und Zustand - ueber viele Signale gleichzeitig. Statt einer einzigen harten Linie modelliert sie die normale Beziehung zwischen Messwerten und meldet, wenn diese Beziehung zu driften beginnt, selbst waehrend jeder einzelne Wert noch innerhalb seiner Grenze liegt. Daher kommen die Tage an Vorlaufzeit. (Siehe unsere Einfuehrung, was Anomalieerkennung ist.) Die harten Schwellen behalten Sie fuer die Sicherheit; die Mustererkennung fuegen Sie fuer die Fruehwarnung hinzu.
Use Case in der Praxis: ein Ammoniak-Kaeltekompressor (Getraenkewerk)
Die zentrale Kaelteanlage haelt Tanks und Prozesskuehlung eines Getraenkewerks in der Spezifikation. Der Schraubenkompressor hat die ueblichen Schutzabschaltungen: hohe Druckgastemperatur, niedriger Oeldruck, hoher Motorstrom. Seit zwei Wochen degradiert ein Lager. Die Druckgastemperatur driftet ein halbes Grad pro Tag nach oben, der Motorstrom steigt um ein Prozent, und ein Vibrationsband waechst - alles noch bequem innerhalb jeder Abschaltgrenze. Nichts alarmiert. Dann, an einem heissen Nachmittag bei Spitzenlast, ueberschreitet die Druckgastemperatur endlich die Abschaltung, und der Kompressor faellt aus - und mit ihm die Prozesskuehlung in der denkbar schlechtesten Schicht.
Wie Sie es aufbauen wuerden
- Signale: Druckgas- und Oeltemperatur, Oeldruck, Motorstrom, Saug-/Druckdruck und ein Vibrationsband vom Kompressor - direkt aus der SPS und einem guenstigen Vibrationssensor.
- Kontext: Umgebungstemperatur, Kuehllast, Betriebszustand (an / Anlauf / entlastet), sodass normal fuer jede Bedingung definiert ist statt einer globalen Grenze.
- Was Sie labeln: die vergangenen lager- und oelbedingten Abschaltungen und Serviceereignisse, damit das Modell die Mehrsignal-Form lernt, die ihnen vorausgeht. (Dieser Labeling-Schritt ist entscheidend - siehe unseren Beitrag, was Data Labeling ist.)
- Wer reagiert: der Instandhaltungsleiter erhaelt einen Fruehwarn-Alarm - Tage vor der Abschaltung - mit dem Drift-Diagramm und plant den Lagerwechsel in die geplante Stillstandszeit statt in einen Notfall bei Spitzenlast.
Ein kurzes Rechenbeispiel
Angenommen, die Lagersignatur ist zehn Tage vor der Abschaltung erkennbar. Eine feste Schwelle gibt Ihnen null dieser Tage - sie spricht in Stunde null des Ausfalls. Die Mustererkennung meldet die Drift an Tag zwei oder drei und macht aus einem ungeplanten Ausfall der Zentralkuehlung bei Spitzenlast einen fuenfzehnminuetigen geplanten Lagertausch in einer Nachtschicht. Gleiche Sensoren, gleiche Daten - der Unterschied ist eine Ueberwachung, die den Trend liest statt auf die Linie zu warten.
Praktische Regel
Behalten Sie jede Sicherheitsschwelle - sie sind nicht das Problem. Hoeren Sie nur auf, von einer festen Grenze eine Fruehwarnung zu verlangen, fuer die sie nie gebaut wurde. Fuegen Sie eine Ueberwachung hinzu, die normal ueber Ihre Signale lernt und auf Drift reagiert - dann kommt die Warnung, solange Sie noch Optionen haben.
Fruehwarnung wird aus Ihrer Historie gelernt. Labeln Sie Ihre vergangenen Ausfaelle und die Signale drumherum - Daten importieren, Kontext ergaenzen und die Ereignisse markieren, in Predsense Labeling: https://www.predsense.ai/products/labeling