Aprendizaje automático basado en el conocimiento para la corrección de anomalías

Detalles del proyecto de investigación

Corrección de anomalías mediante extracción de conocimientos expertos y sistemas de aprendizaje

En el proyecto de investigación ADELeS, la Universidad de Augsburgo, la Universidad de Erlangen-Núremberg y las empresas REHAU Industries SE & Co. KG y XITASO GmbH han unido sus fuerzas para abordar estos retos en el contexto de la fabricación de cantos que se utilizan, por ejemplo, en la fabricación de muebles.

REHAU emplea líneas de extrusión de 40-60 metros de longitud para la producción de cantos, que constan de un gran número de máquinas individuales para distintas fases del proceso (p. ej., extrusora, refrigeración, mecanismos de impresión, etc.).

Con el fin de, por un lado, predecir la calidad esperada del producto (predictive quality) y, por otro lado, sugerir ajustes de parámetros a los operarios de la línea de extrusión para corregir anomalías de calidad, el enfoque de la investigación prevé la combinación de conocimientos expertos con métodos de aprendizaje automático basados en datos de series temporales de la línea de extrusión.

Las sugerencias o el sistema de asistencia se activan mediante la detección automática de anomalías de calidad.

Los conocimientos expertos se registran, formalizan y cuantifican mediante la extracción de conocimientos basados en la experiencia y los datos. El resultado se utiliza tanto en sistemas de clasificación de aprendizaje explicables como en enfoques neurosimbólicos

Los conocimientos expertos se registran, formalizan y cuantifican mediante la extracción de conocimientos basados en la experiencia y los datos. El resultado se utiliza tanto en sistemas de clasificación de aprendizaje explicables como en enfoques neurosimbólicos