KausaLAssist: Kausale Graphen als lernendes Assistenzsystem für automatisiertes Fehlermanagement in der Produktion

Im Fokus des Verbundsvorhabens KausaLAssist steht die intuitive Kollaboration von Mensch und KI zur Ermöglichung eines effektiven Fehlermanagements für komplexe Produktionssysteme. Ziel des Projekts ist die Entwicklung eines selbstlernenden Assistenzsystems, welches mit KI-Algorithmen zur schnellen Störungsdetektion, Ursachenermittlung und Fehlerbehebung bei der Bedienung von Maschinen unterstützen soll. So werden Stillstandszeiten reduziert sowie eine Automatisierung dieser Fehlermanagementbestandteile ermöglicht.

Durch die im Vorhaben entstehenden Softwaretechnologien sollen die Personen, die die Maschinen bedienen, in die Lage versetzt werden, mittels KI-Empfehlungen auch auf komplexe oder neue Fehlersituationen schnell reagieren zu können, ohne dass dafür eine umfassende Expertise in der Fehlerbehebung oder der KI-Anwendung benötigt wird. Die Besonderheit des interdisziplinären Forschungsansatzes besteht im Aufbau eines digitalen Maschinenverständnisses. Dieses wird kontinuierlich durch KI-Erkenntnisse und Feedback der Nutzenden ausgebaut und bietet als erklärbares KI-System eine transparente Entscheidungsgrundlage für die Fehlerbehebung. Diese Lösung wird in ein Assistenzsystem eingebaut, welche den Maschinenbedienenden über eine intuitive Oberfläche durch die Fehlerbehebung führt.

Im Rahmen eines ganzheitlichen Lösungsansatzes wird im Projekt neben den erklärbaren KI-Methoden auch die effiziente KI-Befähigung von Produktionssystemen erforscht und die entwickelten Ansätze in drei Anwendungsszenarien in typischen Anwendungsfeldern erprobt. Das Entwicklungsziel des Verbundes gilt als erreicht, wenn in allen drei Anwendungsfällen die erklärbaren KI-Systeme im Einsatz validiert wurden. Die KI-Systeme sollten sich dabei durch eine Kombination von Wissen des Nutzenden und datengetriebenen Erkenntnissen der KI sowie einer (Teil-)Automatisierung des Fehlermanagementprozesses deutlich vom bisherigen Stand der Technik abheben.

Arbeit am InfAI

Im Teilprojekt am InfAI soll ein Assistenzsystem zum Fehlermanagement mit entsprechenden Visualisierungsformen als Prototyp geschaffen werden. In die Betrachtung sollen die digitalen Prozesse der potenziellen Endanwendenden, insbesondere der Ist-Stand verwendeter Software, mit einfließen. Durch die Auswertung von Knoten und Kanten des bestehenden Graphnetzwerkes gilt es, die Wirkzusammenhänge in der Produktionsmaschine zu analysieren. Die entwickelten Algorithmen und Methoden sollen zudem in einer realen Arbeitsumgebung mit real anfallenden Maschinendaten getestet werden.

Im Rahmen des Forschungsprojektes sollen exemplarisch mindestens zwei Softwaredemonstratoren bei Forschungsbeteiligten implementiert werden. Das InfAI befasst sich dabei mehrheitlich mit der Aufbereitung, Interpretation, Verarbeitung und Nutzung multiparametrischer Produktionsdaten für die kausale Störungsdetektion sowie die Erarbeitung von Lösungsmöglichkeiten unter Nutzung von KI. Dabei sind auch die KI-Workflows zu betrachten und eine KI-System-gestützte Lösungsstrategieentwicklung zu implementieren. Im Kern aller Arbeiten gilt es stets die Datenhoheit und Datensicherheit beim Fehlermanagement zu gewährleisten und einen zentralen Zugang zu den Fehlermustern in enger Kooperation im Konsortium zu schaffen.

Laufzeit: 07/2021-06/2024
Förderprogramm: Lernende Produktionstechnik – Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern) im Programm „Innovationen für die Produktion, Dienstleistung und Arbeit von morgen“ des Bundesministeriums für Bildung und Forschung (BMBF)
Förderkennzeichen: 02P20A154

Projektteam

  • Prof. Dr. Karol Kozak
  • Justus Brode

KausaLAssist ist auf der KI-Landkarte  vertreten! Die Landkarte ist ein Beitrag der vom Bundesministerium für Bildung und Forschung (BMBF) initiierten Plattform Lernende Systeme in Kooperation mit dem Bundesministerium für Wirtschaft und Energie (BMWi).

Lesen Sie unten den Blogeintrag zum Projekt des Fraunhofer IWU:

Klicken Sie auf den unteren Button, um den Inhalt von www.kognitive-produktion.de zu laden.

Inhalt laden

Projektförderung

gefoerdert-bmbf_Logo

Projektbeteiligte

  • Schuster Maschinenbau GmbH
  • KAMAX Tools & Equipment GmbH & Co. KG
  • Industrie-Partner GmbH
  • SEITEC GmbH
  • ISG Industrielle Steuerungstechnik GmbH
  • queo GmbH
  • Fraunhofer Institut für Werkzeugmaschinen- und Umformtechnik (IWU)