VAS: Vernetzte Automatisierungssysteme

Vernetzte Automatisierungssysteme – Informations- und Wissensmodellierung, Digitaler Zwilling und Cybersicherheit

Die fortschreitende Digitalisierung und die agile Forschung im Bereich des Data-Mining führen dazu, dass umfangreiche und oft heterogene Informationsbestände digital verfügbar sind und für innovative Anwendungen in verschiedenen Bereichen wie der verarbeitenden Industrie, dem Gesundheitswesen oder der Stadtentwicklung genutzt werden können. Infolgedessen besteht ein wachsender Bedarf an geeigneten Methoden und Technologien zur Modellierung, automatischen Verarbeitung und Sicherung der verfügbaren Informationen und des vorhandenen Wissens.

Der Schwerpunkt der Arbeitsgruppe „Vernetzte Automatisierungssysteme“ liegt daher auf den drei Forschungsbereichen Informations- und Wissensmodellierung, digitale Zwillinge und Cybersicherheit.

In komplexen Anwendungen, die auf einer großen Menge von Informationen basieren, werden zunehmend Systeme eingesetzt, bei denen die vorhandene Informationen (z. B. Komponentenbeschreibungen, Konstruktionsmodelle oder Verhaltensmodelle) getrennt von dem Prozess verwaltet werden, der diese Informationen nutzt. Die Trennung zwischen Informationen und Prozess ermöglicht den Vorteil einer verbesserten Anpassungsfähigkeit: Die Informationen oder das Wissen werden deklarativ gespeichert und der Prozess kann weitgehend unabhängig von der Anwendung entwickelt werden. Die Gewinnung von Wissen, die als Knowledge-Engineering bezeichnet wird, stützt sich auf verschiedene Wissensquellen wie Datenbanken, menschliche Experten oder Knowledge-Engineers. Auch der Einsatz von Systemen, die in der Lage sind aktiv zu lernen, nimmt zu. Die Unterscheidung zwischen Wissen und Informationsverarbeitung führt dabei zu einem weiteren wesentlichen Vorteil: Derartige Systeme verfügen über die Fähigkeit, Wissen zu sammeln und neues Wissen zu generieren. Dies führt unmittelbar zu einer Widerstandsfähigkeit von Unternehmen gegenüber dem Verlust von Know-how.

Der Digitale Zwilling (DZ) ist eine exakte digitale Kopie einer realen physischen Komponente oder Maschine über deren gesamten Lebenszyklus hinweg (Konstruktion, Betrieb, Wartung). Er umfasst Beschreibungen der verschiedenen Komponenten der Maschine sowie deren dynamische Eigenschaften. Diese Informationen können für verschiedenste Anwendungen genutzt werden, beispielsweise für virtuelle Produkttests vor der Produktion, zur Optimierung, zur Diagnose des aktuellen Zustands der Maschine oder zur vorausschauenden Wartungsplanung.

Der Bereich der Cybersicherheit befasst sich mit dem Schutz von Informationen vor unbeabsichtigter Offenlegung und Manipulation sowie mit der Gewährleistung der Verfügbarkeit dieser Informationen. Die zunehmende Vernetzung in allen Bereichen der Gesellschaft erleichtert den Zugang zu verschiedenen Informationen (z. B. dem DZ) in hohem Maße. Gleichzeitig gewinnt dabei die Sicherung dieser Informationen immer mehr an Bedeutung. Da der DZ auf Daten bzw. Informationen einer realen Maschine basiert, müssen diese Informationen auch angemessen gesichert werden. Alle drei Bereiche stehen daher in direktem Zusammenhang miteinander.

Die Transformierbarkeit und Flexibilität vernetzter Automatisierungs- und Fertigungssysteme stellt beispielsweise einen wichtigen Anwendungsbereich in der Automatisierung dar. Wesentliche Bestandteile der Forschungsaktivitäten sind daher portable Ansätze für ein funktionsorientiertes Engineering sowie eine interoperable und offene M2M-Kommunikation auf der Grundlage von OPC-UA-Companion-Spezifikationen. Jede Komponente eines cyber-physischen Produktionssystems (CPPS) soll in der Lage sein, ihre funktionalen Fähigkeiten zusammen mit allen erforderlichen Informationen in Form von umfassenden, herstellerunabhängigen und standardisierten (Automatisierungs-)Funktionen wie z. B. Montieren, Greifen oder Optimieren bereitzustellen. Diese grundlegenden Fähigkeiten lassen sich durch Engineering zu übergeordneten Fähigkeiten orchestrieren, bis das für den beabsichtigten Fertigungsprozess eines Produkts erforderliche Fähigkeitsniveau erreicht ist. Darüber hinaus kann das standardisiert gespeicherte Wissen während der Produktion für zusätzliche Anwendungen mit deklarativen Zielen wie Zustandsüberwachung oder Diagnose genutzt werden.

Um einen weiteren Meilenstein hinsichtlich der Transformierbarkeit vernetzter Automatisierungssysteme zu erreichen, sind innovative Architekturen erforderlich, die nicht nur die notwendigen Schnittstellen zwischen Wissens- und Informationsverarbeitung realisieren, sondern auch über kognitive Fähigkeiten verfügen. Diese kognitiven Architekturen sollen für jedes Anwendungsszenario die optimale Methode oder den optimalen Prozess identifizieren und konfigurieren und das daraus gewonnene Wissen wieder in die Wissensbasis zurückspielen. Die kognitive Architektur nutzt zahlreiche Methoden aus dem Bereich der künstlichen Intelligenz (KI), darunter klassische Modelle wie Entscheidungsbäume sowie neue Entwicklungen wie das Lernen von Verhaltensmodellen in Form von zeitabhängigen probabilistischen endlichen Zustandsmaschinen.

Ein weiterer wichtiger Aspekt für die Transformierbarkeit ist die Modellierung von Sicherheits- und Schutzfunktionen, die künftig eine automatisierte Bewertung der Sicherheits- und Schutzeigenschaften automatisierter Systeme und Anlagen ermöglichen soll. Mit diesem Ansatz lassen sich beispielsweise die nach einer Neukonfiguration erforderlichen Anlaufzeiten erheblich verkürzen.