Industrielle Kommunikation, Artificial Intelligence in Automation

KOARCH: Kognitive Architektur für Cyber-physische Produktionssysteme und Industrie 4.0

01.01.2018 bis 31.12.2021

Aufgrund des globalen Wettbewerbs und der steigenden Produktkomplexität ist in den letzten Jahren die Komplexität der Produktionssysteme massiv gewachsen, wobei ein großer Anteil der Entwicklungsanteile gerade im Maschinenbau auf die Software entfiel. Diese Komplexität belastet zunehmend Automatisierer, Systemingenieure und Anlagenbauer. Industrie 4.0, Cyber-physische Systeme (CPS) und intelligente Automatisierungssysteme stellen eine mögliche Lösung für diese zunehmende Belastung dar: Die Hauptidee ist dabei die Verlagerung von menschlichem Expertenwissen in die Automation. Anders als beim prozeduralen Vorgehen in der klassischen Automation formuliert der Experte nur noch seine Ziele wie z.B. eine Beschreibung des finalen Produktes, der Durchsatzziele oder den maximalen Energieverbrauch.

Das Wissen bezieht sich auf Ziele, die durch Aussagesätze beschrieben werden und nicht mehr auf die Beschreibung von Handlungsabläufen zum Erreichen der Ziele. Kurz: Wissen wird deklarativ statt prozedural formuliert. Dieser neue Ansatz gibt den intelligenten Systemen genügend Handlungsfreiräume zur Umsetzung der deklarativen Programmierung, d.h. für Adaption und Optimierung. Es verringert sich der menschliche Aufwand in der Automation, z.B. bei der Optimierung, Inbetriebnahme und beim Anlagenumbau. Um eine solche intelligente Automation zu realisieren, bedarf es einer neuen Automatisierungstechnik und vor allem neuer Softwareservices, die diese Methoden umsetzen. Dies umfasst z.B. Methoden des maschinellen Lernens, Condition-Monitoring- und Diagnose-Algorithmen und Optimierungsverfahren.

Aktuell werden diese neuen Softwareservices von jedem Partner in Industrie 4.0-Ansätzen unabhängig implementiert. Die Schnittstellen sind proprietär, so dass notwendige Daten, Modelle und Ergebnisse nicht ausgetauscht werden können. Dazu wird in diesem Projekt eine kognitive Architektur entwickelt, um ein einfachen Austausch von Daten und Services in Industrie 4.0 Umgebungen zu gewährleisten. Damit können Geräte und Komponenten unterschiedlicher Hersteller zusammenarbeiten können, d.h. Daten, Informationen (z.B. Anomalien oder Optimierungsziele) sowie Algorithmen und Lösungsstrategien austauschen und verarbeiten.

Das Projekt wird gefördert durch:
Bundesministerium für Bildung und Forschung (BMBF)
Projektträger: VDI Technologiezentrum GmbH
Förderkennzeichen: 13FH007IA6
Förderlinien: IngenieurNachwuchs 2016 – Kooperative Promotion
Projektbeteiligte / Ansprechpartner: Dipl.-Math. Natalia Moriz, Dr.-Ing. Andreas Bunte
Dr.-Ing. Andreas Bunte¹, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Benno Stein
Integrating OWL Ontologies for Smart Services into AutomationML and OPC UA
¹ Erstautoren
² Letztautoren
Dr.-Ing. Andreas Bunte¹, Prof. Dr. rer. nat. Benno Stein, Prof. Dr. rer. nat. Oliver Niggemann
Model-Based Diagnosis for Cyber-Physical Production Systems Based on Machine Learning and Residual-Based Diagnosis Models
¹ Erstautoren
² Letztautoren
Dr.-Ing. Andreas Bunte¹, Andreas Fischbach, Jan Strohschein, Thomas Bartz-Beielstein, Heide Faeskorn-Woyke, Prof. Dr. rer. nat. Oliver Niggemann
Evaluation of Cognitive Architectures for Cyber-Physical ProductionSystems
In: arXiv e-prints, Feb 2019
¹ Erstautoren
² Letztautoren
Dr.-Ing. Andreas Bunte¹, Andreas Fischbach, Jan Strohschein, Thomas Bartz-Beielstein, Heide Faeskorn-Woyke, Prof. Dr. rer. nat. Oliver Niggemann
Evaluation of Cognitive Architectures for Cyber-Physical Production Systems
¹ Erstautoren
² Letztautoren
Dr.-Ing. Andreas Bunte¹, Paul Wunderlich, M. Sc., Dipl.-Math. Natalia Moriz, Dr.-Ing. Peng Li, André Mankowski, B. Sc., Antje Rogalla, M. A., Prof. Dr. rer. nat. Oliver Niggemann
Why Symbolic AI is a Key Technology for Self-Adaption in the Context of CPPS
¹ Erstautoren
² Letztautoren
Andreas Fischbach¹, Jan Strohschein, Dr.-Ing. Andreas Bunte, Jörg Stork, Heide Faeskorn-Woyke, Dipl.-Math. Natalia Moriz, Thomas Bartz-Beielstein²
CAAI -- A Cognitive Architecture to Introduce Artificial Intelligence in Cyber-Physical Production Systems
¹ Erstautoren
² Letztautoren
Prof. Dr. rer. nat. Oliver Niggemann¹, Gautam Biswas, John S. Kinnebrew, Hamed Khorasgani, Nemanja Hranisavljevic, M. Sc., Dr.-Ing. Andreas Bunte
Konzeptualisierung als Kernfrage des Maschinellen Lernens in der Produktion
In: Handbuch Industrie 4.0: Produktion, Automatisierung und Logistik, Feb 2020
¹ Erstautoren
² Letztautoren
Automated Detection of Production Cycles in Production Plants using Machine Learning
In: 25th IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), Sep 2020
¹ Erstautoren
² Letztautoren
Andreas Fischbach¹, Jan Strohschein, Dr.-Ing. Andreas Bunte, Jörg Stork, Heide Faeskorn-Woyke, Dipl.-Math. Natalia Moriz, Thomas Bartz-Beielstein
CAAI -- A Cognitive Architecture to Introduce Artificial Intelligence in Cyber-Physical Production Systems
¹ Erstautoren
² Letztautoren
Jan Strohschein¹, Andreas Fischbach, Dr.-Ing. Andreas Bunte, Heide Faeskorn-Woyke, Dipl.-Math. Natalia Moriz, Thomas Bartz-Beielstein
Cognitive Capabilities for the CAAI in Cyber-Physical Production Systems
In: arXiv e-prints, Dec 2020
¹ Erstautoren
² Letztautoren
Dr.-Ing. Andreas Bunte¹, Frank Richter, Rosanna Diovisalvi
Why it is Hard to Find AI in SMEs - A Survey From the Practice and How to Promote it
In: International Conference on Agents and Artificial Intelligence (ICAART), Feb 2021
¹ Erstautoren
² Letztautoren
Jan Strohschein¹, Andreas Fischbach, Dr.-Ing. Andreas Bunte, Jörg Stork, Heide Faeskorn-Woyke, Dipl.-Math. Natalia Moriz, Thomas Bartz-Beielstein
Cognitive capabilities for the CAAI in cyber-physical production systems
In: The International Journal of Advanced Manufacturing Technology, Jun 2021
¹ Erstautoren
² Letztautoren
Gefördert durch
Projektträger