Wissensbasiertes Machine Learning zur Anomaliebehebung
Viele Alltagsprodukte werden von komplexen Produktionsanlagen hergestellt, zu deren Betrieb erfahrenes Fachpersonal nötig ist. Durch den Fachkräftemangel und demographischen Wandel ist die Aufrechterhaltung einer stabilen und effizienten Produktion hierzulande immer schwieriger. Um dennoch konkurrenzfähig produzieren zu können, müssen die Produktionsanlagen auch von unerfahreneren Mitarbeitern bedient werden können.
In ADELeS (Anomaliebehebung durch extrahiertes Expertenwissen und lernende Systeme) entwickelten wir im Rahmen eines Forschungsprojekts mit Partnern aus Industrie und Forschung ein KI-basiertes Assistenzsystem, um Qualitätsabweichungen und Fehler während der Produktion erkennen und korrigieren zu können.
Um einerseits die zu erwartende Produktqualität vorauszusagen (Predictive Quality) und andererseits den Maschinenbedienern Parameteranpassungen zur Behebung von Qualitätsanomalien vorzuschlagen, sieht unser Ansatz die Kombination von Expertenwissen mit maschinellen Lernverfahren auf Basis von Zeitreihendaten der Produktionsstrecke vor. Die Vorschläge bzw. das Assistenzsystem werden durch automatische Erkennung von Qualitätsanomalien ausgelöst.
Expertenwissen wird durch erfahrungs- und datenbasierte Wissensextraktion erfasst, formalisiert und quantifiziert. Das Ergebnis wird sowohl in erklärbaren Learning Classifier Systemen als auch neuro-symbolischen Ansätzen verwendet.
Mit der Erweiterung der Produktionsmaschinen und -anlagen um intelligente Assistenzsystemen, können Einarbeitungszeiten verkürzt sowie Mitarbeiterzufriedenheit und Gesamtproduktivität erhöht werden.
