Einführung in Multivariablen Regression

Mit der Multivariable Regression wird ein Parameter (KPI, Variable) in Kontext zu anderen Parametern gestellt und als lineares Regressionsmodell abgebildet. Somit kann der Wert des Ausgangsparameters über die Eingangsparameter und das Regressionsmodell ermittelt werden. (Modellergebnis)

Der Energieverbrauch einer Anlage wird von Faktoren wie z. B. Umgebungstemperatur, produzierte Menge und abgefüllte Menge beeinflusst. Wenn das Regressionsmodell sowie die Eingangsgrößen bekannt sind, kann der theoretische Energieverbrauch ermittelt werden.

Neben dem Modell werden auch Parameter ausgegeben, die die Qualität des Modelles bestimmen. Wird eine Eingangsgröße verwendet, die in keiner Relation zur Ausgangsgröße steht, ist der Korrelationskoeffizient 0. Das bedeutet, dass das Modell nicht vertrauenswürdig ist.

Je Asset und je Parameter können verschiedene Modelle berechnet und abgespeichert werden. Die gespeicherten Modelle stehen dem Anwender in einem automatisch generierten MVR-Dashboard zur Verfügung. Hier wird das Ergebnis des Modells mit dem tatsächlichen Wert gegenübergestellt. Um die Abweichung erkennen zu können, wird neben dem Modellergebnis, den tatsächlichen Messwerten auch die Abweichung sowie die kumulierte Abweichung angezeigt.

Nachdem für jedes Modell die Kennzahlen, das Modellergebnis und die Abweichung angelegt werden, kann über eine Standardfunktionalität ein Grenzwert definiert werden, bei dem der Anwender über z. B. den Notifier eine Benachrichtigung bekommt.

Sie können für jeden Ausgangsparameter mehrere Modelle erstellen.