TRINKWASSERVERSORGUNG

Die Erfindung betrifft ein Verfahren zur automatisierten in-line Erkennung von

Abweichungen eines Ist-Zustands eines Fluides von einem Referenzzustand des Fluides. Ferner betrifft die Erfindung eine zur Ausführung des Verfahrens ausgestaltete

Vorrichtung.

In vielen Anwendungen der Prozess- und/oder Automatisierungstechnik wird anhand von Messgeräten, insbesondere anhand von in-line Messgeräten, der Zustand eines Fluides bestimmt und/oder überwacht, insbesondere hinsichtlich der Qualität des Fluides. Ein als in-line Messgerät bezeichnetes Messgerät erfasst dabei eine Messgröße direkt und unmittelbar in dem zu überwachenden Fluid, ohne das beispielsweise eine Entnahme oder Vorbehandlung einer Probe des Fluides erforderlich wäre. Eine Vielzahl derartiger Messgeräte wird von der Endress+Hauser Gruppe hergestellt und vertrieben.

Bei nicht-inline fähigen Messgeräten ist dagegen oftmals eine Probennahme durch einen Anwendungstechniker nötig, gegebenenfalls gefolgt von einer Vorbehandlung der zu analysierenden Probe, beispielsweise durch Zugabe von Reagenzien, die zu einer mit optischen oder elektrochemischen Sensoren erfassbaren Veränderung der Probe führen. Hierbei können im Vergleich zu den oben genannten in-line-Messmethoden zwar deutlich niedrigere Nachweis-/Bestimmungsgrenzen mit hoher Genauigkeit sowie selektiv, also auch bei Vorhandensein von Störsubstanzen, erreicht werden. Nachteilig ist jedoch die durch die Probennahme und -Vorbehandlung erforderliche lange Messdauer und damit die einhergehende geringe Messfrequenz.

Es zeigt sich die folgende Problematik: Um unmittelbar Veränderungen des Fluides, insbesondere im Qualitätszustands d.h. bezüglich der Qualität des Fluides, detektieren zu können, ist die Verwendung von in-line Messgeräten eine notwenige Voraussetzung. Andererseits ist eine Bewertung anhand der mit den in-line Messgeräten erfassten Messwerte, beispielsweise in Bezug auf eine erhöhte Gefährdung aufgrund einer Kontaminationsquelle, zum Beispiel einer Havarie, oftmals schwierig. Es ist insbesondere sehr anspruchsvoll, eine potentielle Gefährdung der Fluidqualität anhand eines einzelnen in-line Messwerts (wie beispielsweise elektrische Leitfähigkeit, Temperatur oder pH Wert) eindeutig zu bestimmen.

Um dem zu begegnen, werden oftmals mit mehreren Messgeräten mehrere in-line Messwerte bezüglich unterschiedlicher Messvariablen im Wesentlichen gleichzeitig erfasst. Bei den Messvariablen handelt es sich zum Beispiel um unterschiedliche

Messgrößen des Fluides und/oder um eine jeweils an unterschiedlichen Messstellen gemessene Messgröße des Fluides. Das Ziel ist dabei, dass anhand der Gesamtheit der in-line erfassten Messwerte bezüglich unterschiedlicher Messvariablen eine Aussage über den Zustand des Fluides hinsichtlich der Qualität des Fluides, insbesondere auch hinsichtlich der Veränderung des Zustands des Fluides über die Zeit, getroffen wird. Vor allem in komplexen Systemen ist trotz einer hohen Menge an Information, wie

beispielsweise die Messwerte bezüglich unterschiedlicher Messstellen und -großen, eine rasche Evaluation des Ist-Zustands erforderlich.

Hierbei stellt sich damit die Aufgabe der kombinierten Auswertung der Messwerte bezüglich der Messvariablen. Es ist beispielsweise eine multivariate Datenanalyse der inline erfassten Messwerte so vorzunehmen, dass unmittelbar und sicher unerwünschte Qualitätszustände des Fluides sowie dessen Veränderung erkannt werden. Dies gilt insbesondere für Anwendungsbereiche in denen eine hohe Sicherheit erforderlich ist. Ein im Rahmen der Anmeldung relevantes Beispiel ist die Bewertung von Roh- und/oder Trinkwasser, da eine Verminderung der Trinkwasserqualität, beispielsweise durch eine Kontaminierung mit pathogenen Keimen, sowohl unmittelbar als auch sicher erkannt werden sollte, um jegliche Risiken für die Bevölkerung auszuschließen.

Zur multivariaten Datenanalyse von Messwerten, insbesondere auch wiederkehrend erfassten Messwerten (auch sogenannten Zeitreihen) sind im Stand der Technik unterschiedliche Methoden bekannt. Ein Beispiel stellen neuronale Netze dar. Auf neuronalen Netzen basierende Methoden der multivariaten Datenanalyse sind

mehrheitlich selbst-lernend ausgestaltet. Eine Übersicht über eine auf neuronalen Netzen basierende Methode, insbesondere in Bezug auf die Bewertung von Roh- und/oder Trinkwasser ist in der Inauguraldissertation von R. Page beschrieben, welche an der Universität Basel im Jahre 201 1 unter dem Titel "Approaches to Hazard-oriented Groundwater Management Based on Multivariate Analysis of Groundwater Quality" vorgelegt wurde. In dieser Arbeit wurde eine Möglichkeit vorgestellt, eine multivariate Datenanalyse in Hinblick auf die Überwachung von Trink- und/oder Rohwasser mittels neuronaler Netze vorzunehmen. Das Ergebnis ist gleichermaßen in dem wissenschaftlichen Artikel von R. Page et. al "Multivariate Analysis of Groundwater-Quality Time-Series Using Self-organizing Maps and Sammon's

Mapping" im Jahre 2015 in der Zeitschrift„Water Resources Management" Ausgabe 29, Seiten 3957ff. veröffentlicht.

Das darin beschriebene Verfahren kombiniert eine spezielle Ausgestaltung neuronaler Netze, sogenannte selbstorganisierende Karten (auch Kohonenkarten oder englisch:„Seif Organizing Maps", kurz SOM genannt) mit einer Sammon'schen Fehlerfunktion. Dabei führt eine Dimensionsreduktion zu einer Reduktion der Komplexität der Aufgabe der Früherkennung einer Gefährdung basierend auf in-line Messwerten, wobei der notwendige Informationsgehalt der Messwerte beibehalten wird.

Die im Wesentlichen gleichzeitig wiederkehrend erfassten Messwerte zu jedem Zeitpunkt ti werden dabei auf einen Vektor xti abgebildet, wobei die Sammon'sche Fehlerfunktion E minimiert wird:

Hierbei bezeichnen i und k zwei beliebige Zeitpunkte, wobei i=1 , ...,n und k=1 ,...,n die Anzahl der Zeitpunkte ist. Bei d ^* _ik handelt es sich um den Abstand in dem ursprünglichen Vektorraum zwischen dem Vektor xti der zu dem Zeitpunkt ti erfassten Messwerte und dem Vektor xtk der zu dem Zeitpunkt tk erfassten Messwerte. Bei d _ik handelt es sich um den Abstand zwischen den dazugehörigen Vektoren in dem dimensionsreduzierten Vektorraum, basierend auf den SOM Berechnungen. Mittels der minimierten

Sammon'schen Fehlerfunktion wird dabei eine Menge an dimensionsreduzierten

Vektoren erhalten, die das ursprüngliche Muster der Messwertverteilung möglichst gut wiedergeben.

Die Kombination von SOM und der Sammon'schen Fehlerfunktion wird als SOM-SM bezeichnet. Die SOM-SM Methode ermöglicht es, die multivariaten Zeitreihen unter Beibehaltung der relativen Verteilung in Form von Vektoren darzustellen, die in einem dimensionsreduzierten Vektorraum angeordnet sind und die das Verhältnis der

Messwerte zu allen Messzeitpunkten zueinander als Muster wiedergeben. Ausgehend von dieser Darstellung stellt sich die Aufgabe, ein konkretes Kriterium zur Bewertung des Fluides zu erhalten.

Der Erfindung liegt daher die Aufgabe zugrunde, ein sicheres und automatisierbares Verfahren zur in-line Überwachung eines Fluides, insbesondere eines sich in einem Prozess befindlichen Fluides, mittels eines neuronalen Netzes vorzuschlagen, wobei das Verfahren insbesondere Veränderungen hinsichtlich der Qualität rasch erfassen und evaluieren kann. Des Weiteren liegt der Erfindung die Aufgabe zugrunde, eine zum Verfahren ausgestaltete Vorrichtung zu erhalten.

Bezüglich des Verfahrens wird die Aufgabe gelöst durch den Anspruch 1.

Anspruch 1 betrifft ein Verfahren zur automatisierten in-line Erkennung von

Abweichungen eines Ist-Zustands eines Fluides von einem Referenzzustand des Fluides, wobei eine kombinierte Auswertung von im Wesentlichen gleichzeitig erfassten Messwerten bezüglich zumindest dreier Messvariablen erfolgt, wobei es sich bei den Messvariablen um unterschiedliche Messgrößen des Fluides und/oder um eine an unterschiedlichen Messstellen gemessene Messgröße des Fluides handelt, umfassend zumindest die folgenden Verfahrensschritte: a) Erstellung eines Referenzdatensatzes mittels folgender Schritte:

Wiederkehrende in-line Erfassung zu n verschiedenen Zeitpunkten tj, j=1 ,...,n von jeweils im Wesentlichen gleichzeitig erfassten Referenzmesswerten bezüglich der zumindest drei Messvariablen, wobei sich das Fluid bei der Erfassung der Referenzmesswerte in dem Referenzzustand befindet;

Speichern der Referenzmesswerte;

Anordnung der Referenzmesswerte mittels eines neuronalen Netzes und Projektion in einen Vektorraum mit einer reduzierten Dimension d, wobei die reduzierte Dimension d kleiner als die Anzahl der Messvariablen ist, so dass die zu dem Zeitpunkt tj erfassten Referenzmesswerte jeweils auf einen

Referenzvektor rtj des Vektorraumes abgebildet werden

Speichern der n Referenzvektoren;

b) In-line Messung, umfassend:

In-line Erfassung von im Wesentlichen gleichzeitig erfassten Messwerten bezüglich der zumindest drei Messvariablen des Fluides zu einem Zeitpunkt ti;

Speichern der Messwerte;

c) Wiederkehrende Durchführung des Verfahrensschrittes b), wobei die

Messwerte zu dem Zeitpunkt ti und die Messwerte zu allen dem Zeitpunkt ti vorangehenden Zeitpunkten (t1 , ...,ti-1 ) mittels eines neuronalen Netzes wiederkehrend angeordnet und in den Vektorraum der reduzierten Dimension d projiziert werden, so dass die zu dem Zeitpunkt ti erfassten Messwerte auf einen Messvektor xti den Vektorraumes abgebildet werden;

d) Speichern des Messvektors xti;

e) Vergleich des Messvektors xti mit den n Referenzvektoren rtj mittels eines Kerndichteschätzers p _h (xti der vorgebbaren Fensterbreite h

1 -" \xti— rtj\

wobei f(- - ) eine Wahrscheinlichkeitsdichtefunktion ist;

Erstellung einer Bewertung für den Zeitpunkt ti hinsichtlich einer Abweichung von dem Referenzzustand, basierend auf dem Wert des Kerndichteschätzers

V _h {xti). In Verfahrensschritt a) der Erfindung wird also zunächst ein Referenzdatensatz mittels des Referenzzustands erstellt. Der Referenzzustand ist dabei als ein als normal angesehener Zustand definiert, bei dem das Fluid in einem akzeptablen Zustand bezüglich Qualität vorliegt, d.h. alle Anforderungen an die Qualität des Fluides erfüllt sind. Der akzeptable Zustand kann zum Beispiel anhand einer für die Sicherheit kritischen, nicht-in-line gemessenen Messgröße validiert werden. In dem Referenzzustand liegt zum

Beispiel weder eine Verunreinigungen des Fluides, noch ein außergewöhnlicher

Betriebszustand vor. Innerhalb einer Zeitspanne, in der sich das Fluid in dem

Referenzzustand befindet, werden dann wiederkehrend (d.h. zu verschiedenen

Zeitpunkten tj) Messwerte bezüglich der in-line Messvariablen erfasst. Dabei werden zu jedem Zeitpunkt tj zumindest drei verschiedene Messvariablen im Wesentlichen gleichzeitig erfasst. Mittels der im Referenzzustand erfassten Referenzmesswerte wird also genau der Rahmen der Schwankungen abgebildet, welchem die Messvariablen natürlicherweise unterliegen und die hinsichtlich der Qualität akzeptiert werden.

Hierbei werden vorzugsweise die Zeitspanne und die Messfrequenz für die

wiederkehrende Messwertnahme so gewählt, dass genügend Referenzmesswerte für die Messvariablen vorliegen. Dies hängt in der Regel von der Dynamik des Systems bezüglich betrieblichen und operationeilen Zuständen ab, welcher das Fluid in dem Referenzzustand unterliegt, zum Beispiel um eine Sollwertkurve einer Füllung eines Reservoirs. Handelt es sich zum Beispiel bei der Dynamik um eine im Wesentlichen periodische Dynamik, sollten zumindest Messwerte innerhalb der Zeitspanne von einer Periode genommen werden. Für den Fall von Trink- und/oder Rohwasser ist häufig eine typische Zeitskala von ca. eine Woche ausreichend. Mit einer Messwertfrequenz von ca. 6 Messwerten pro Stunde liegen somit ca. 1000 Messzeitpunkte tj für die

Referenzmesswerte vor.

Die erfassten Referenzmesswerte zu den n Zeitpunkten werden mit einem neuronalen Netz und anschließender Projektion in einen reduzierten Vektorraum dargestellt. Dadurch werden die zu n verschiedenen Zeitpunkte tj, j=1 ,...,n erfassten Referenzmesswerte auf jeweils einen Referenzvektor rtj abgebildet.

Anschließend werden zu einem Zeitpunkt ti in-line Messwerte genommen, welche dann, anschließend zu der Anordnung in dem neuronalen Netzes und der Projektion, in Bezug zu den Referenzmesswerten gesetzt werden. Hierfür wird die Anordnung in dem neuronalen Netz und die Projektion in den Vektorraum der reduzierten Dimension d verwendet, wobei zu jedem Zeitpunkt ti ein neuronales Netz mit den Messwerten zu dem Zeitpunkt ti und mit den Messwerten zu allen dem Zeitpunkt ti vorangehenden

Zeitpunkten (t1 , ...,ti-1 ) gebildet wird. Die zu jedem Zeitpunkt ti erfassten Messwerte werden dabei auf einen Messvektor xti abgebildet. Die reduzierte Dimension d ist dabei kleiner als die Anzahl der Messvariablen, im Fall von drei Messvariablen also zum Beispiel maximal d=2. Da die Dimension d und die Wahl der Messvariablen für die Messwerte und die Referenzmesswerte identisch ist, werden die Messwerte und die Referenzmesswerte in denselben Vektorraum projiziert.

Erfindungsgemäß wird zur Bewertung des Messvektors xti in Bezug zu der Menge aller n Referenzvektoren rtj in dem Verfahrensschritt f) der Kerndichteschätzer herangezogen:

1 V xti— rtj

h ^■ )

Der Kerndichteschätzer wird auch als Parzen-Fenster-Schätzer (englisch: Parzen- Window Density Estimation) bezeichnet. Dabei ist h zunächst eine vorgebbare

\xti-rtj\

Fensterbreite, und /( ^■ ) eine Wahrscheinlichkeitsdichtefunktion, wobei als Argument h

der Wahrscheinlichkeitsdichtefunktion der betragsmäßige Unterschied zwischen dem Messvektor und dem Referenzvektor gebildet wird, geteilt durch die vorgebbare

Fensterbreite h. Dies wird für jeden der n Referenzvektoren vorgenommen. Anschließend wird der Mittelwert gebildet, unter Berücksichtigung der vorgebbaren Fensterbreite und der reduzierten Dimension d. Der Kerndichteschätzer ist ein Maß dafür, wie wahrscheinlich das Auftreten des

Messvektors xti angesichts der Gesamtheit der Referenzvektoren rtj, j=1 ,.,.,η ist. Hierbei wird diejenige Wahrscheinlichkeitsdichtefunktion eingesetzt, welche die fachkundige Person als Verteilung für die Referenzmesswerte zugrunde legen würde; auch dies hängt von dem jeweiligen Prozess bzw. der Dynamik des Fluides ab.

Die Vorteile der Erfindung sind die folgenden:

Es kann eine automatisierte und rasche d.h. im Wesentlichen unmittelbare Bewertung anhand von in-line erfassten Messwerten vorgenommen werden. Zur Beurteilung des Zustands des Fluides, insbesondere hinsichtlich Qualität, müssen keine konkreten Grenzwerte bezüglich der in-line Messvariablen gewählt werden. Mittels des Referenzdatensatzes ist die natürliche Heterogenität des Fluides in dem als normal angesehenen Referenzzustand erfasst. Die

Verwendung eines Referenzzustandes bedeutet, dass zuvor ungesehene Zustände und Schwankungen in Bezug auf die Qualität ohne weitere Angaben erfasst und beurteilt werden können.

Im Gegensatz zu anderen auf neuronalen Netzen basierenden Methoden wird erfindungsgemäss das neuronale Netz mit den Referenzmesswerten einmal gebildet. Mit den Messwerten wird jeweils ein neuronales Netzes zu jedem Zeitpunkt ti neu gebildet. Somit wird die zeitliche Veränderung des Zustands in Bezug auf die Qualität sichtbar und mit der Historie in Beziehung gesetzt.

Ein neuronales Netz wird dabei mit der Gesamtheit aller n Referenzmesswerte gebildet. Für jeden Zeitpunkt ti wird ein weiteres neuronales Netz mit den wiederkehrend erfassten Messwerten neu gebildet und ein Messvektor xti erstellt. Bei der Normierung des

Datensatzes der Messwerte vor der SOM Berechnung wird beispielsweise der berechnete Mittelwert des Datensatzes der Messwerte und die Standardabweichung des Referenzdatensatzes verwendet, um unterschiedliche Ausgangslagen (z.B. Saisonalität) und systemeigene Schwankungen mit zu berücksichtigen. Bei der Evaluation des Zustandes zum Zeitpunkt ti bezüglich Qualität wird der Messvektor zu dem Zeitpunkt ti mit der Menge aller Referenzvektoren verglichen. Bei dem erfindungsgemäßen Verfahren wird der Informationsgehalt optimiert, da sich das zweite neuronale Netz dem Datensatz der Messwerte anpassen kann und somit möglichst viel von der ursprünglichen Dynamik des Systems in den reduzierten Vektorraum übertragen wird. Die Referenzvektoren und die Messvektoren werden dabei unmittelbar anschließend zur in-line Erfassung der Messvariablen zum Zeitpunkt ti erstellt. Durch das erfindungsgemäße Verfahren wird daher eine im Wesentlichen permanente und adaptive in-line Überwachung des Ist- Zustands des Fluides, und dadurch letztendlich auch eine Bewertung eines Prozesses hinsichtlich der Fluidqualität ermöglicht.

In einer vorteilhaften Ausgestaltung erfolgt die Bildung des neuronalen Netzes und die Projektion auf Basis einer selbstorganisierenden Karte bzw. Kohonenkarte (SOM), wobei bei der Projektion die Sammon'schen Fehlerfunktion (SM) verwendet wird. Bezüglich dieser Ausgestaltung sei wieder auf den eingangs genannten wissenschaftlichen Artikel "Multivariate Analysis of Groundwater-Quality Time-Series Using Self-organizing Maps and Sammon's Mapping" verwiesen, in welchem die Ausführung der SOM-SM Methode detailliert beschrieben ist.

In einer Ausgestaltung ist die reduzierte Dimension d größer als eins, vorzugsweise zwei.

In einer bevorzugten Ausgestaltung ist die Wahrscheinlichkeitsdichtefunktion die

Wahrscheinlichkeitsdichtefunktion einer Normalverteilung.

Selbstverständlich sind je nach Fluid und/oder Dynamik des Fluides auch andere aus dem Stand der Technik bekannte Wahrscheinlichkeitsdichtefunktionen möglich, wie beispielsweise die der Gammaverteilung, die der Cauchyverteilung bzw.

Lorentzverteilung oder die der Wei bull Verteilung.

In einer Ausgestaltung wird die vorgebbare Fensterbreite mittels der Standardabweichung der Verteilung der Referenzmesswerte und/oder einem Abstand von Quantilen der Verteilung der Referenzmesswerte abgeschätzt.

Als Quantile werden im Stand der Technik verschiedene Bereiche der Verteilungen bezeichnet, wobei in jedem Bereich gleich große Anteile (=Quantil) der Verteilung liegen. Ein bekanntes Beispiel ist der Median, durch den die Werte der Verteilung in zwei umfangsgleiche Bereiche geteilt werden. Häufig werden auch Quartile verwendet, welche eine Verteilung in vier gleich große Teile zerlegen. Der Interquartilabstand (englisch: „interquartile ränge") bezeichnet die Differenz zwischen dem dritten und dem ersten Quartil, also Q (0,75) -Q (0,25). Der Interquartilabstand umfasst die mittleren 50 % der Verteilung und wird im Stand der Technik als Streuungsmaß verwendet.

Ein Beispiel ist, die vorgebbare Fensterbreite h des Kerndichteschätzers anhand des Interquartilabstands IQ4R und der Standardabweichung σ zu schätzen:

Selbstverständlich kann die vorgebbare Fensterbreite h auch nur durch den

Interquartilabstand IQ4R oder einen anderen Quantilabstand oder die

Standardabweichung bestimmt sein.

In einer Ausgestaltung erfolgt die Bewertung des Fluides zu dem Zeitpunkt ti hinsichtlich der Abweichung des Ist-Zustands vom Referenzzustand mittels einer Einteilung in zumindest zwei verschiedene Kategorien erster Art (Ka1 ,Ka2, ...). Die Einteilung hängt davon ab, ob der Kerndichteschätzer p _h (xti einen ersten oberen und/oder unteren vorgebbaren Grenzwert über-/unterschreitet. Bevorzugt sind ein oberer und ein unterer Grenzwert vorhanden.

In einer bevorzugten Ausgestaltung der Erfindung wird bei der Bewertung des Ist- Zustands des Fluides für den Zeitpunkt ti der Unterschied zwischen dem Messvektor xti mit einem zweiten Messvektor xtk berücksichtigt. Der zweite Messvektor xtk gehört zu einem dem Zeitpunkt ti vorangehenden Zeitpunkt tk, d.h. k=1 ,...,i-1. Bei dem Zeitpunkt tk kann es sich also zum Beispiel um den dem Zeitpunkt ti unmittelbar vorangehenden Zeitpunkt ti— 1 handeln. In dieser Ausgestaltung wird also zusätzlich zu der Bewertung anhand des

Kerndichteschätzers noch die Historie des Systems berücksichtigt. Die Bewertung des

Fluides zu dem Zeitpunkt ti erfolgt also einerseits im Hinblick auf die Wahrscheinlichkeit des Auftretens der Messwerte zu dem Zeitpunkt ti bezüglich der Referenzmesswerte (Kerndichteschätzer-Kriterium), andererseits im Hinblick auf die Entwickelung bzw.

Historie der Messwerte, so dass zum Beispiel sprunghafte Änderungen erkannt werden können. Zur Bewertung des Unterschieds wird zum Beispiel der Abstand d_ik der

Messvektoren xti und xtk verwendet, d.h. d_ik=|xti-xtk|. In einer Weiterbildung dieser Ausgestaltung erfolgt die Bewertung des Fluides zu dem Zeitpunkt ti hinsichtlich der Abweichung mittels einer Einteilung in zumindest zwei verschiedene Kategorien zweiter Art. Die Einteilung in die zumindest zwei Kategorien zweiter Art hängt davon ab, ob der Unterschied zwischen dem Messvektor xti und dem zweiten Messvektor xtk einen oberen und/oder unteren vorgebbaren Grenzwert über- /unterschreitet.

In einer besonders vorteilhaften Weiterbildung wird ein Warnsystem mit zumindest zwei Warnstufen zur Anzeige der Abweichung des Ist-Zustands vom Referenzzustand und zur Anzeige des Unterschiedes zwischen dem Messvektor xti und dem Messvektor xtk verwendet. Das Warnsystem basiert dabei auf einer Kombination der Kategorien erster und zweiter Art. Ein derartiges Warnsystem wurde auch in der Fachveröffentlichung von R. Page und P. Huggenberger in der Zeitschrift„Aqua & Gas" N°12, Seite 28ff im Jahre 2015 vorgestellt, ohne jedoch die erfindungsgemäßen konkreten Kriterien zur

Berechnung der Bewertungskriterien anzugeben.

Im einfachsten Fall handelt es sich um eine Linearkombination mit gleich oder unterschiedlich gewichteten Linearkoeffizienten. Eine andere Möglichkeit sind aber auch nicht-lineare Kombinationen. Zum Beispiel kann man den Einfluss des

Kerndichteschätzers (Kategorie erster Art) oder den des Unterschieds in Bezug auf die Historie (Kategorie zweiter Art) mit einer Exponentialfunktion in das Warnsystem einfließen lassen, je nachdem, ob das Warnsystem als empfindlich auf Abweichungen des Ist-Zustands vom Referenzzustand oder auf die Historie des Fluides ausgelegt werden soll. In einer Weiterbildung zeigt das Warnsystem zum Zeitpunkt ti den Beitrag jeder

Messvariable zu der Warnstufe an.

In einer weiteren Weiterbildung zeigt das Warnsystem zum Zeitpunkt ti den Beitrag der Kategorien erster und zweiter Art zu der Warnstufe an. Gegebenenfalls werden in dieser Weiterbildung nur für den Fall, dass eine erhöhte Warnstufe vorliegt, die Beiträge der Messvariablen und/oder der Kategorien erster und zweiter Art angezeigt. In einer Ausgestaltung des erfindungsgemäßen Verfahrens wird der Verfahrensschritt a) für zumindest zwei unterschiedliche

Referenzzustände des Fluides durchgeführt. Vor der Durchführung der Verfahrensschritte c)-f) wird der folgende Verfahrensschritt a2) durchgeführt:

a2) es wird einer der zumindest zwei unterschiedlichen Referenzzustände ausgewählt.

Die Verfahrensschritte c)-f) werden dann anschließend zum Verfahrensschritt a2) in Bezug zu dem jeweils ausgewählten Referenzzustand durchgeführt. Dies bedeutet, dass für die Bewertung mittels des Kerndichteschätzers in Schritt f) die Messwerte nur mit den Referenzmesswerten des jeweils ausgewählten Referenzzustands verglichen werden.

In einer Weiterbildung handelt es sich bei dem Fluid um Roh- und/oder Trinkwasser. Das Roh- und/oder Trinkwasser kann beispielsweise aus einem

Trinkwasserzwischenspeicher, einer Wasserfassung, einem Grundwasserleiter oder einer Quelle stammen. Das Roh- und/oder Trinkwasser kann sich in einem Behälter wie etwa in einem Tank, Speicher einer Rohrleitung, einem Beobachtungsrohr und/oder einem

Grundwasserbrunnen befinden. Die eingangs definierten Messstellen können aber auch in verschiedenen Brunnen oder Beobachtungsrohren von unterschiedlicher Tiefe in der Nähe voneinander sein, wobei die Messstellen (zum Beispiel durch Wasserläufe und/oder -leitungen) miteinander kommunizieren.

In einer Weiterbildung dieser Ausgestaltung sind die zwei unterschiedlichen

Referenzzustände dadurch definiert, ob das Roh- und/oder Trinkwasser einem

Pumpbetrieb unterliegt oder nicht. Der Pumpbetreib liegt z.B. im Falle der

Grundwasserförderung vor.

In einer weiteren Weiterbildung sind die zumindest zwei unterschiedlichen

Referenzzustände dadurch definiert, ob das Roh- und/oder Trinkwasser von

unterschiedlichen Quellen, Seewasseranlagen und/oder Grundwasserleitern stammt. In einer Ausgestaltung des Verfahrens sind die Messgrößen ausgewählt aus der Gruppe der folgender Messgrößen:

- Füllstand, Temperatur, Trübung, Sauerstoffgehalt, elektrische Leitfähigkeit, Druck, Redoxpotential, Durchfluss, pH-Wert, spektraler Absorptionskoeffizient. Prinzipiell eignen sich selbstverständlich auch andere aus dem Stand der Technik bekannte Messgrößen, insbesondere Analysemessgrößen, welche in-line gemessen werden können. Bezüglich der Vorrichtung wird die Aufgabe durch Anspruch 17 gelöst. Anspruch 17 umfasst ein Warnsystem zur automatisierten in-line Erkennung von Abweichungen eines Ist-Zustands eines Fluides von einem Referenzzustand des Fluides. Die Vorrichtung umfasst eine Messanordnung aufweisend zumindest drei in-line Messgeräte. Außerdem umfasst die Vorrichtung ein Computerprogrammprodukt. Die in-line Messgeräte und das Computerprogrammprodukt sind dazu ausgestaltet, das erfindungsgemäße Verfahren auszuführen.

In einer Weiterbildung ist das Computerprogrammprodukt dazu ausgestaltet, das Speichern und/oder die Verarbeitung der Referenzmesswerte und/oder der Messwerte zumindest teilweise auf zumindest einem Server und/oder in einer Cloud auszuführen.

Zusammenfassend können mittels der Erfindung Veränderungen in einem sich in einem Prozess befindlichen Fluides rasch und unmittelbar erkannt, bewertet und angezeigt werden. Die Veränderung bezieht sich in den Ausführungsbeispielen auf das

Gefährdungspotential eines Zustands hinsichtlich der Qualität, indem Abweichungen eines Ist-Zustands eines Fluides von einem Referenzzustand des Fluides und

Veränderungen des Zustands des Fluides hinsichtlich Qualität evaluiert werden.

Abschließend sei angemerkt, dass die Erfindung nicht auf die systematische

Überwachung der Qualität von Wasser beschränkt ist. Andere Anwendungsbeispiele umfassen beispielsweise die Beurteilung von Fluiden in Prozessen der chemischen und/oder pharmazeutischen, oder der Lebensmittel-verarbeitenden Industrie.

Die Erfindung wird anhand der nachfolgenden Figuren näher erläutert. Es zeigt: Fig. 1 : Eine Ausgestaltung der erfindungsgemäßen Vorrichtung.

Fig. 2: Eine Ausgestaltung des erfindungsgemäßen Verfahren.

Fig. 1 zeigt eine schematische Darstellung einer Ausgestaltung einer erfindungsgemäßen Vorrichtung. Hierbei ist das Fluid 1 als ein Wasserlauf mit drei unterschiedlichen

Messstellen 4 dargestellt. Die Messanordnung 7 umfasst dabei vier verschiedene in-line Messgeräte 71 ,72,73,74, welche die Messvariablen MV1 ,MV2,MV3,MV4 im Wesentlichen gleichzeitig erfassen. Die Messanordnung 7 umfasst in diesem Beispiel auch eine übergeordnete Einheit 70, an welche die Referenzmesswerte 21 und die Messwerte 2 übertragen werden. Das Fluid 1 befindet sich zunächst in einem Referenzzustand RZ, wobei die Referenzmesswerte 21 in einem Referenzzeitraum (zum Beispiel eine Woche) erfasst werden. Die Erfindung ist selbstverständlich keineswegs auf das hier gezeigte Ausführungsbeispiel beschränkt. Anschließend werden die Referenzmesswerte 21 von einem Computerprogrammprodukt 8 über eine Datenverbindung 93 an eine Datenbank 94 übermittelt. Die Datenverbindung 93 kann zum Beispiel als eine Internetverbindung ausgestaltet sein, aber auch als jede andere aus dem Stand der Technik bekannte Datenverbindung. Die Datenbank 94 kann sich auf einem Server 91 befinden, wobei der Server wiederum zumindest teilweise Teil einer Cloud 92 sein kann. Auch die Messwerte 2 werden anhand der Datenverbindung 93 an die Datenbank 94 übermittelt. Das Computerprogrammprodukt 8 erstellt dabei die Bewertung anhand der Referenzmesswerte 21 , der Messwerte zum Zeitpunkt ti sowie den Wert des Kerndichteschätzers. Dies wird für mehrere Zeitpunkte ti wiederkehrend regelmäßig durchgeführt.

Die Vorrichtung kann dabei Teil einer dezentralen Qualitätsüberwachung sein, zum Beispiel in einem sogenannten„Software as a Service" (kurz SaaS) Model, wobei nur die Warnstufen W0,W1 ,W2 übermittelt und angezeigt werden. Hierbei zeigt die Warnstufe WO zum Beispiel„keine Gefährdung" an, während die Warnstufe W1„leicht erhöhte Gefährdung " und die Warnstufe W2„hohe Gefährdung " anzeigt. Anhand der Warnstufen W0,W1 ,W2 werden somit Veränderungen im Wesentlichen unmittelbar d.h. on-line im Rahmen eines dezentralen 24h-Überwachungssystems übermittelt, wobei die

Überwachung anhand von in-line Messgeräten 71 , ...,74 erfolgt. Dabei wird zum Beispiel nur für den Fall, dass die Warnstufen W1 oder W2 vorliegen, der jeweilige Beitrag der Messvariablen MV1 ,MV2,MV3 zu der Warnstufe W1 oder W2 angezeigt. Liegt zum Beispiel die Warnstufe W1 vor und der Beitrag von der Messvariable MV1 zu der Warnstufe W1 ist im Wesentlichen 100% oder knapp 100%, kann zum Beispiel zunächst das der Messvariable MV1 zugeordnete Messgerät 72 an der jeweiligen Messstelle 4 überprüft werden. Hiermit wird sowohl die eingangs erwähnte Sicherheit gegeben, aber auch das Auftreten von Fehlalarmen vermieden.

In Fig. 2 ist ein Schema einer Ausgestaltung des erfindungsgemäßen Verfahrens dargestellt. In dieser Ausgestaltung ist für den Fall von vier Messvariablen

MV1 ,MV2,MV3,MV4 die wiederkehrende Erfassung der Messwerte 2 zu den Zeitpunkten ti in dem Analysezeitraum, sowie die wiederkehrende Erfassung der Referenzmesswerte 21 zu den Zeitpunkten tj in dem Referenzzeitraum dargestellt. Der Referenzzeitraum beträgt in dem Beispiel ca. eine Woche, in welcher das Fluid in einem Referenzzustand RZ vorliegt. In einer anderen Ausgestaltung können auch mehrere derartige Zeitreihen für die Messvariablen MV1 ,MV2,MV3,MV4 vorliegen, jeweils für einen ersten

Referenzzustand RZ und einen weiteren Referenzzustand RZ'. In einem automatisierten Verfahren wird zunächst das neuronale Netz mit den

Referenzmesswerten 21 erstellt wobei es sich bei dem neuronalen Netz um eine SOM oder Kohonenkarte handelt. Anhand der Sammon'schen Projektion (SM) der SOM

Resultate wird die SOM-SM Darstellung gewonnen, bei der die n Referenzmesswerte 21 auf n Referenzvektoren rtj projiziert werden. Auch mit den wiederkehrend erfassten

Messwerten 2 wird ein neuronales Netz erstellt, welches zu jedem Messzeitpunkt ti des

Analysezeitraumes neu gebildet wird. Die Messwerte zu den Messzeitpunkten ti des

Analysezeitraums werden dabei jeweils auf einen Messvektor xti projiziert. Dabei handelt es sich bei den projizierten Referenzvektoren rtj und den Messvektoren xti zu jedem Zeitpunkt tj und ti um Vektoren in einem zweidimensionalen Vektorraum VR.

Die Referenzvektoren rtj und die Messvektoren xti werden dabei unmittelbar

anschließend zur in-line Erfassung der Messvariablen zum Zeitpunkt ti verglichen. Zu jedem Zeitpunkt ti wird anhand der Referenzvektoren rtj und der Messvektoren xti der Wert des Kerndichteschätzers bestimmt, wobei hier als Wahrscheinlichkeitsdichtefunktion PDF diejenige einer Normalverteilung verwendet wird: Die vorgebbare Fensterbreite h ist dabei jeweils abgeschätzt zu: h = 1.06 - in , · η 5

1.34 j

Gleichzeitig wird zu jedem Messzeitpunkt ti der euklidische Abstand zu dem Vektor des vorherigen Messzeitpunktes tk berechnet: |xti-xtk|. Bei den Messzeitpunkten tk und ti handelt es sich bei dieser Ausführung um direkt aufeinander folgende Messzeitpunkte (k=i-1 ). Andere Ausführungen, wobei k=i-2, i-3,..., etc. sind möglich.

Basierend auf einer Kombination des Kerndichteschätzers p _h (xti mit dem euklidischen Abstand |xti-xtk| wird dann eine Warnstufe ermittelt. In diesem Ausführungsbeispiel gibt es vier Warnstufen WO (keine Warnung), sowie W1 ,W2,W3 (erhöhte Warnstufen). Zu den Zeitpunkten ti, an denen eine Warnstufe oberhalb WO vorliegt, wird dann zusätzlich noch der Beitrag der Messvariablen MV1.MV2, MV3, MV4 zu der Warnstufe angezeigt, sowie der Beitrag des Kerndichteschätzers p _h {xti), hier auch bezeichnet als MV_PZ, sowie des euklidischen Abstands |xti-xtk|, hier auch bezeichnet als MV_ED. Bezugszeichenliste

1 Fluid

2 Messwerte

21 Referenzmesswerte

3 Messgröße

4 Messstelle

5 Referenzdatensatz

6 Warnsystem

7 Messanordnung

70 übergeordnete Einheit

71 ,72,73,... in-line Messgeräte

8 Computerprogrammprodukt

91 Server

92 Cloud

93 Datenverbindung

94 Datenbank

RZ,RZ' Referenzzustände

MV1 ,MV2,MV3,... Messvariablen

tj, j=1 ,. , .,η Zeitpunkte der Erfassung von 21

ti Zeitpunkt der Erfassung von 2

tk ein ti vorangehender Zeitpunkt der Erfassung von 2 PDF Wahrscheinlichkeitsdichtefunktion

d reduzierte Dimension

xti Messvektor

rtj j= 1 n Referenzvektoren

VR Vektorraum

h vorgebbare Fensterbreite

p _h (xti) Kerndichteschätzer für xti der vorgebbaren Fensterbreite h σ Standardabweichung

IQR Abstand von Quantilen

IQ4R Interquartilabstand

Ka1 ,Ka2,... Kategorien erster Art

Kb1 ,Kb2,... Kategorien zweiter Art

G1 ,... erster Grenzwert

G2,... zweiter Grenzwert

W0.W1 , ... Warnstufen