Causal Alarm Pattern Analysis by the Integration of Technical Information from Engineering Documents (CausAlITI)

Abstract

The CausAlITI project adressed alarm overload in industrial automation by automating causal analysis. It combined engineering knowledge from control logic, process diagrams, and docu-mentation with machine learning to identify cause–effect relationships between alarms. The developed methods learn from historical incidents, reason about new ones, and provide prob-abilistic assessments under uncertainty. As part of the project, several simulation datasets of industrial scenarios were produced and published as benchmarks for the scientific community. These were used to evaluate the developed analysis methods, many of which have also been made available as open source tools. Das CausAlITI-Projekt befasste sich mit dem Problem der Überlastung durch Alarmfluten in der industriellen Automatisierung, indem es die kausale Ursachenanalyse automatisierte. Es kombinierte ingenieurtechnisches Wissen aus Steuerungslogik, Prozessdiagrammen und Do-kumentation mit Methoden des maschinellen Lernens, um Ursache-Wirkungs-Beziehungen zwischen Alarmen zu identifizieren. Die entwickelten Verfahren lernen aus vergangenen Alarmsituationen, können neue Situationen analysieren und liefern probabilistische Einschät-zungen für Unsicherheit in der Analyse. Im Projekt wurden mehrere Simulationsdatensätze industrieller Störungs-Szenarien erstellt und als Benchmarks für die wissenschaftliche Ge-meinschaft veröffentlicht. Diese dienten der Bewertung der entwickelten Analysemethoden, von denen viele ebenfalls als Open-Source-Werkzeuge verfügbar gemacht wurden.