Semantics4Automation: Semantische Selbstbeschreibung als erster Schritt zur Intelligenten Industriellen Automation

Prof. Dr. rer. nat. Oliver Niggemann , Prof. Dr.-Ing. Jürgen Jasperneite
01.09.2013 bis 31.03.2018

Das Ziel von Semantics4Automation ist die Entwicklung eines Formalismus zur semantischen Selbstbeschreibung für die Intelligente Industrielle Automation. Hintergrund ist, dass Intelligente Industrielle Automation auf dedizierten Algorithmen basiert - und dass diese Algorithmen formalisiertes Domänenwissen benötigen, um eingesetzt werden zu können. Das Projekt Semantics4Automation befasst sich also damit, das vorhandene Domänenwissen der Automatisierungsindustrie dergestalt zu formalisieren, dass Intelligente Algorithmen es nutzen können, um die Industrielle Automation intelligenter zu machen.

Im Fokus des Projektes stehen dabei drei Ansätze der Intelligenten Industriellen Automation: Selbstdiagnose, Selbstkonfiguration und Selbstoptimierung. Das Projekt untersucht hierbei jeweils, wie eine geeignete Wissens-Formalisierung aussehen könnte, entwickelt eine solche und stellt ihre Praktikabilität mittels geeigneter Demonstratoren sicher. Im Anschluss wird auch untersucht werden, in wie weit sich die unterschiedlichen entstandenen Wissensmodelle vereinheitlichen lassen, um zu einer (möglichst) einheitlichen Semantikbeschreibung zu gelangen.

Das Projekt wird gefördert durch:
Bundesministerium für Bildung und Forschung (BMBF)
Projektträger: Projektträger Jülich
Förderkennzeichen: 13FH020I3
Förderlinien: IngenieurNachwuchs
Projektbeteiligte / Ansprechpartner: Dr.-Ing. Andreas Bunte
Projektmitarbeitende: Dr.-Ing. Andreas Bunte
Prof. Dr. rer. nat. Oliver Niggemann, Gautam Biswas, John S. Kinnebrew, Hamed Khorasgani, Sören Volgmann, B. Sc., Dr.-Ing. Andreas Bunte
Data-Driven Monitoring of Cyber-Physical Systems Leveraging on Big Data and the Internet-of-Things for Diagnosis and Control
Alexander Diedrich, M. Sc., Dr.-Ing. Andreas Bunte, Dr. rer. nat. Alexander Maier, Prof. Dr. rer. nat. Oliver Niggemann
Kognitive Architektur zum Konzeptlernen in technischen Systemen
Dr.-Ing. Andreas Bunte, Alexander Diedrich, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann
Natürlichsprachliche Schnittstelle für Produktionssysteme
Prof. Dr. rer. nat. Oliver Niggemann, Gautam Biswas, Hamed Khorasgani, Sören Volgmann, B. Sc., Dr.-Ing. Andreas Bunte
Datenanalyse in der intelligenten Fabrik
Dr.-Ing. Andreas Bunte, Alexander Diedrich, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann
Integrating Semantics for Diagnosis of Manufacturing Systems
Dr.-Ing. Andreas Bunte, Alexander Diedrich, M. Sc., Prof. Dr. rer. nat. Oliver Niggemann
Semantics Enable Standardized User Interfaces for Diagnosis in Modular Production Systems
Dr.-Ing. Andreas Bunte, Dr.-Ing. Peng Li, Prof. Dr. rer. nat. Oliver Niggemann
Learned Abstraction: Knowledge Based Concept Learning for Cyber Physical Systems
Dr.-Ing. Andreas Bunte, Dr.-Ing. Peng Li, Prof. Dr. rer. nat. Oliver Niggemann
Mapping Data Sets to Concepts Using Machine Learning and a Knowledge Based Approach
In: International Conference on Agents and Artificial Intelligence (ICAART), Jan 2018
Dr.-Ing. Andreas Bunte, Prof. Dr. rer. nat. Oliver Niggemann, Prof. Dr. rer. nat. Benno Stein
Integrating OWL Ontologies for Smart Services into AutomationML and OPC UA
Gefördert durch
Projektträger