Engineering und Konfiguration

IMPROVE: Innovative Modeling Approaches for Production Systems to Raise Validatable Efficiency

Prof. Dr. rer. nat. Oliver Niggemann
01.09.2015 bis 31.08.2018

Die Komplexität der Produktionsanlagen in der verarbeitenden Industrie steigt durch erhöhte Produktvarianten, Produktkomplexität und die Nachfrage nach höherer Effizienz. Darum müssen Productionssysteme in der Lage sein, sich schnell zu entwickeln und optimal arbeiten. Dadurch enstehen Herausforderungen für große Industriefirmen und ernsthafte Probleme für KMUs, welche nicht das notwendige Expertenwissen und Ressourcen besitzen um neue technische Möglichkeiten auszuschöpfen.


Das IMPROVE Forschungs- und Innovationsproject entwickelt Lösungen für Mensch-Maschine Schnittstellen, welche standardisiert, kommerzialisiert, verfügbar und anwendbar für europäische KMUs sind, indem Probleme bei der Unterstüzung des Benutzers durch Selbstdiagnose und Selbstoptimierung angegangen werden.


Anstatt menschlichem Expertenwissen zur Formulierung von benötigtem Wissen werden Selbstdiagnose und Optimierung der Produktionsanlagen durch innovative, datenbasierte Verfahren der Informationstechnik, welche eine synchrone und integrierte Datenaufnahme aller Sensoren des Produktionssystems unterstützen, realisiert.
Durch Anwendung von Konzepten aus dem bereich "Big Data", werden die Daten gründlich analysiert um Modelle, die das Systemverhalten beschreiben, zu lernen. Dies erweitert die Möglichkeiten der manuellen Modellierung und ermöglicht es komplexe, große und verteilte Produktionsanlagen in Echtzeit zu analysieren und in einer virtuellen Fabrik zusammenzufassen.

Das Projekt wird gefördert durch:
Projektträger: Europäische Union
Förderkennzeichen: 678867
Förderlinien: Horizon 2020
Projektbeteiligte / Ansprechpartner: Alexander von Birgelen, M. Sc.
Projektmitarbeitende: Alexander von Birgelen, M. Sc., Benedikt Eiteneuer, M. Sc., Rudolf Schuster, B. Sc.
Alexander von Birgelen, M. Sc.¹, Alexander von Birgelen, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Using Self-Organizing Maps to Learn Hybrid Timed Automata in Absence of Discrete Events
In: 22nd IEEE International Conference on Emerging Technologies and Factory Automation (ETFA 2017), Sep 2017
¹ Erstautoren
² Letztautoren
Alexander von Birgelen, M. Sc.¹, Alexander von Birgelen, M. Sc., Davide Buratti, Jens Mager, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Self-Organizing Maps for Anomaly Localization and Predictive Maintenance in Cyber-Physical Production Systems
In: 51st CIRP Conference on Manufacturing Systems (CIRP CMS 2018), May 2018
¹ Erstautoren
² Letztautoren
Benedikt Eiteneuer, M. Sc.¹, Benedikt Eiteneuer, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
LSTM for model-based Anomaly Detection in Cyber-Physical Systems
In: Proceedings of the 29th International Workshop on Principles of Diagnosis, Aug 2018
¹ Erstautoren
² Letztautoren
Alexander von Birgelen, M. Sc.¹, Alexander von Birgelen, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Enable learning of Hybrid Timed Automata in Absence of Discrete Events through Self-Organizing Maps
In: IMPROVE - Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency: Intelligent Methods for the Factory of the Future, Aug 2018
¹ Erstautoren
² Letztautoren
Alexander von Birgelen, M. Sc.¹, Alexander von Birgelen, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Anomaly Detection and Localization for Cyber-Physical Production Systems with Self-Organizing Maps
In: IMPROVE - Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency: Intelligent Methods for the Factory of the Future, Aug 2018
¹ Erstautoren
² Letztautoren
Paul Wunderlich, M. Sc.¹, Paul Wunderlich, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Concept for Alarm Flood Reduction with Bayesian Networks by Identifying the Root Cause
In: IMPROVE - Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency: Intelligent Methods for the Factory of the Future, Aug 2018
¹ Erstautoren
² Letztautoren
Stefan Windmann¹, Stefan Windmann, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
A Sampling-Based Method for Robust and Efficient Fault Detection in Industrial Automation Processes
In: IMPROVE - Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency, Aug 2018
¹ Erstautoren
² Letztautoren
Marta Fullen¹, Marta Fullen, Peter Schüller, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Oliver Niggemann²
Validation of similarity measures for industrial alarm flood analysis
¹ Erstautoren
² Letztautoren
Prof. Dr. rer. nat. Oliver Niggemann¹, Prof. Dr. rer. nat. Oliver Niggemann, Peter Schüller, Peter Schüller²
IMPROVE - Innovative Modelling Approaches for Production Systems to Raise Validatable Efficiency
¹ Erstautoren
² Letztautoren