Zum einen wurde ein KNN mit der Backpropagation-Methode trainiert. Das KNN lernt, aus vorgegebenen Trainings- und zugeordneten Zielparametern Ergebnisse (z.B. in Form von Vorhersagen und Klassifizierungen) zu generieren. Zum anderen wurden auch Tests mit einem selbstorganisiert lernenden KNN durchgeführt. Dieses Lernverfahren wurde unter der Bezeichnung SEN (Self Enforcing Network) von der Forschungsgruppe CoBASC entwickelt und dient zur Sortierung, Klassifizierung und Mustererkennung von Datenmengen. Das Netzwerk erhält keine Zielparameter, sondern lernt, die eingehenden Daten gemäß ihrer Ähnlichkeit zu ordnen und zu klassifizieren. Ein solches Netz lernt selbstorganisiert den fehlerfreien Betrieb einer Anlage und ist in der Lage, Abweichungen in den einzelnen Prozessen zu erkennen. Durch den Vergleich zweier Lernparadigmen und anhand verschiedener Modelle kann aufgezeigt werden, dass KNN sich als diversitäre Technologie in der industriellen Automatisierungstechnik eignen. Unter Verwendung gleicher Betriebsdaten einer realen Anlage wurden übereinstimmende Ergebnisse mit beiden Verfahren – Backpropagation und SEN – erzielt.
Tolerierbares Ausfallrisiko
Die sicherheitstechnischen Eigenschaften des TSU-Konzeptes beruhen auf dem Prinzip der Diversität durch Verwendung eines KNN. Diversität der Hardware wird durch die Verwendung verschiedenartiger Bauteile mit unterschiedlichen Ausfallraten und Ausfallarten erreicht. Entwurf, Implementierung, Verifizierung und Validierung unter Anwendung unterschiedlicher Programmiermethoden, -sprachen und -werkzeuge durch jeweils anderes Fachpersonal sind Merkmale der Softwarediversität. Diversitär sind auch Art und Zustandekommen der Kriterien, die der Beurteilung der korrekten Funktion zugrunde liegen. Für den einen Kanal werden Programme konstruiert, die diese Kriterien inhaltlich abbilden. Beim zweiten Kanal werden diese Kriterien nicht konstruiert, sondern gelernt. Nicht Regelwerke, Kenntnisse oder Erfahrungen gestalten hierbei die Kriterien, sondern die dem Lernprozess zugrunde liegenden, den realen Anlagen- bzw. Prozesszustand abbildenden Daten. Aufgrund der diversitären Redundanzstruktur wird das Risiko gemeinsam auftretender Ausfälle auf ein tolerierbares Risiko verringert.
Das TSU-Konzept weist gegenüber konventionellen Ausführungen von diversitäre Architekturen Vorteile auf – etwa durch günstige Standard-Hardware- und Softwarekomponenten für das KNN. Ebenso ist der Aufwand für Programmerstellung, Lern-, Test-, Inbetriebnahmephasen sowie später erforderliche Prozessverbesserung und Modifizierung im Vergleich zu konventionellen Lösungen geringer. Das KNN kann zudem weitere Aufgaben im Sinne von Predictive Maintenance, Datenanalyse oder Dokumentation übernehmen. Auch die Zertifizierung lässt sich durch die Diversität positiv beeinflussen.
