Digitalisierung grafischer Engineering-Dokumente mit Hilfe optischer Erkennung und semantischer Analyse als Grundlage fur die Modernisierung bestehender Anlagen

摘要

Die Modernisierung bestehender Anlagen ("Brownfield") hat hohe Bedeutung fur den Erhalt der Wettbewerbsfahigkeit und die Erhohung der Ressourceneffizienz produzierender Unternehmen. Voraussetzung dafur ist ein Verstandnis der vorhandenen technischen Anlage. Eine typische Situation am Beginn solcher "Brownfield"-Projekte ist, dass ein Grossteil der bereits vorhandenen Engineering-Dokumentation in papierbasierter Form vorliegt. Diese Dokumente werden ublicherweise durch Scannen als Rasterbild digitalisiert, wodurch Speicherung und Zugriff erleichtert werden. Gescannte Dokumente konnen nur manuell ausgewertet werden. Fur ein effizientes Engineering von Erweiterungen oder Modernisierungen wird aber ein digitales Anlagenmodell ("Digital Plant") benotigt, welches die Objekte der Anlage und ihre Zusammenhange beinhaltet, z.B. gemass IEC 62424 (CAEX/AutomationML) oder ISO 15926. Auf Basis dieser digitalen Modelle sind vielfaltige Auswertungen moglich, z.B. Fehlerdiagnose, Simulation und HAZOP-Analyse. Der Aufwand fur eine manuelle Erstellung eines digitalen Anlagenmodells ist jedoch erheblich. Um die Vorteile des "Digital Plant" auch in "Brownfield"- Projekten zu ermoglichen, wird in diesem Beitrag eine Methode beschrieben, mit der ein digitales Anlagenmodell grosstenteils automatisch aus den Papierdokumenten generiert werden kann. Die Methode basiert auf optischer Erkennung symbolischer Formen inkl. der beschreibenden Texten und Verbindungen, sowie einer semantischen Analyse ihrer domanenspezifischen Konnotation. Der Ansatz ist insbesondere fur die Digitalisierung von vorhandenen Rohrleitungs- und Instrumentenfliessbildern geeignet, welche in vielen verfahrenstechnisch gepragten Industriezweigen zentrale Dokumente fur das Verstandnis von Anlage und Prozess sind.