Künstliche Intelligenz in der Automatisierung, Industrielle Kommunikation

AVA: Abstraktion von Verhaltensmodellen für Anlagen des Maschinenbaus aus Messungen in verteilten Automatisierungssystemen

Prof. Dr. rer. nat. Oliver Niggemann
01.09.2011 bis 31.08.2014

Motivation: In der Automatisierungstechnik existieren seit längerem Methoden (i) zur Erfassung des Gesamtzustandes von produktions- und verfahrenstechnischen Anlagen und (ii) zur frühen Erkennung von Verschleißerscheinungen und Anomalien. In diesem Projekt werden diese Ansätze erweitert: Zum einen werden verteilte Automatisierungssysteme zur Datenerfassung genutzt. Zum anderen kommen zur Anomalieerkennung neue Ansätze aus der Informatik wie z.B. das automatische Lernen bzw. Parametrisieren von Anlagen- und Prozessmodellen für die Modellbasierte Diagnose zum Einsatz.

Projektziele und Forschungsaktivitäte: Um eine hohe Anlagenauslastung und kurze Wartungszeiträume zu erreichen, sollten Verschleißerscheinungen möglichst früh erkannt werden. Heutige, auf Schwellwerten basierende Verfahren, können dies oft nicht leisten. Bediener erkennen dadurch schleichende, auf zukünftige Probleme hindeutende Verhaltensveränderungen oft erst zu spät; dies führt u.U. zu hohen Wartungskosten und längeren Ausfallzeiten. Hier setzt das Projekt mit dem Einsatz komplexerer, dynamischerer Modelle des Normalverhaltens an.

Die Modelle des Normalverhaltens werden im Betrieb der Anlage automatisch, basierend auf Beobachtungen, erlernt. In diesem Projekt sollen Algorithmen entwickelt werden, die die Modelle in Form von hybriden temporalen endlichen Automaten erlernen. Die gelernten Modelle werden anschließend für die Anomalieerkennung verwendet, indem die Prognose des gelernten Modells mit der laufenden Anlage verglichen wird. Bei einer Abweichung wird ein Fehler signalisiert.

Das Projekt wird gefördert durch:
Bundesministerium für Bildung und Forschung (BMBF)
Projektträger: Projektträger Jülich
Förderkennzeichen: 17N1211
Förderlinien: IngenieurNachwuchs
Projektbeteiligte / Ansprechpartner: Johann Badinger, M. Sc., Dr. rer. nat. Alexander Maier
Projektmitarbeitende: Dr. rer. nat. Alexander Maier, Johann Badinger, M. Sc.
Prof. Dr. rer. nat. Oliver Niggemann¹, Prof. Dr. rer. nat. Oliver Niggemann, Dr. rer. nat. Alexander Maier, Asmir Vodenčarević, Bernhard Jantscher, Bernhard Jantscher²
Fighting the Modeling Bottleneck – Learning Models for Production Plants
¹ Erstautoren
² Letztautoren
Asmir Vodenčarević¹, Asmir Vodenčarević, Prof. Dr. rer. nat. Hans Kleine Büning, Prof. Dr. rer. nat. Oliver Niggemann, Dr. rer. nat. Alexander Maier, Dr. rer. nat. Alexander Maier²
Identifying Behavior Models for Process Plants
In: 16th IEEE International Conference on Emerging Technologies Factory Automation (ETFA), Sep 2011
¹ Erstautoren
² Letztautoren
Asmir Vodenčarević¹, Asmir Vodenčarević, Prof. Dr. rer. nat. Hans Kleine Büning, Prof. Dr. rer. nat. Oliver Niggemann, Dr. rer. nat. Alexander Maier, Dr. rer. nat. Alexander Maier²
Using Behavior Models for Anomaly Detection in Hybrid Systems.
In: 23rd International Symposium on Information, Communication and Automation Technologies-ICAT 2011, Oct 2011
¹ Erstautoren
² Letztautoren
Prof. Dr. rer. nat. Oliver Niggemann¹, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Benno Stein, Dr. rer. nat. Alexander Maier, Dr. rer. nat. Alexander Maier²
Solving Modeling Problems with Machine Learning - A Classification Scheme of Model Learning Approaches for Technical Systems
¹ Erstautoren
² Letztautoren
Dr. rer. nat. Alexander Maier¹, Dr. rer. nat. Alexander Maier, Florian Pethig, B. Sc., Asmir Vodenčarević, Nikolai Schetinin, B. Sc., Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Hans Kleine Büning, Prof. Dr. rer. nat. Hans Kleine Büning²
Analyse und Visualisierung des Energieverbrauchs in Produktionsanlagen
¹ Erstautoren
² Letztautoren
Dr. rer. nat. Alexander Maier¹, Dr. rer. nat. Alexander Maier, Tim Tack, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Visual Anomaly Detection in Production Plants
In: 9th International Conference on Informatics in Control, Automation and Robotics (ICINCO), Jul 2012
¹ Erstautoren
² Letztautoren
Dr. rer. nat. Alexander Maier¹, Dr. rer. nat. Alexander Maier, Carlos Paiz Gatica, Prof. Dr. rer. nat. Oliver Niggemann, Markus Köster, Dr. Jan Stefan Michels, Dr. Jan Stefan Michels²
Lernen des Zeitverhaltens in verteilten Produktionsanlagen
In: Kommunikation in der Automation (KommA 2012), Nov 2012
¹ Erstautoren
² Letztautoren
Asmir Vodenčarević¹, Asmir Vodenčarević, Dr. rer. nat. Alexander Maier, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Evaluating Learning Algorithms for Stochastic Finite Automata
In: 2nd International Conference on Pattern Recognition Applications and Methods (ICPRAM 2013), Feb 2013
¹ Erstautoren
² Letztautoren
Dr. rer. nat. Alexander Maier¹, Dr. rer. nat. Alexander Maier, Markus Köster, Carlos Paiz Gatica, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Automated Generation of Timing Models in Distributed Production Plants
In: IEEE International Conference on Industrial Technology (ICIT 2013), Feb 2013
¹ Erstautoren
² Letztautoren
Tim Tack, M. Sc.¹, Tim Tack, M. Sc., Dr. rer. nat. Alexander Maier, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Visuelle Anomalie-Erkennung in Produktionsanlagen
In: VDI Kongress AUTOMATION 2013, Jun 2013
¹ Erstautoren
² Letztautoren
Prof. Dr. rer. nat. Oliver Niggemann¹, Prof. Dr. rer. nat. Oliver Niggemann, Asmir Vodenčarević, Dr. rer. nat. Alexander Maier, Stefan Windmann, Prof. Dr. rer. nat. Hans Kleine Büning, Prof. Dr. rer. nat. Hans Kleine Büning²
A Learning Anomaly Detection Algorithm for Hybrid Manufacturing Systems
In: The 24th International Workshop on Principles of Diagnosis (DX-2013), Oct 2013
¹ Erstautoren
² Letztautoren
Gefördert durch
Projektträger