Viele Alltagsprodukte werden von komplexen Produktionsanlagen hergestellt, zu deren Betrieb erfahrenes Fachpersonal nötig ist. Durch den Fachkräftemangel und demographischen Wandel ist die Aufrechterhaltung einer stabilen und effizienten Produktion hierzulande immer schwieriger. Um dennoch konkurrenzfähig produzieren zu können, müssen die Produktionsanlagen auch von unerfahreneren Mitarbeitern bedient werden können. Ein Schlüssel dazu kann es sein, Produktionsmaschinen und -anlagen mit intelligenten Assistenzsystemen zu erweitern, um Einarbeitungszeiten zu verkürzen sowie Mitarbeiterzufriedenheit und Gesamtproduktivität zu erhöhen.
In ADELeS (Anomaliebehebung durch extrahiertes Expertenwissen und lernende Systeme) entwickeln wir ein KI-basiertes Assistenzsystem, um Qualitätsabweichungen und Fehler während der Produktion erkennen und korrigieren zu können. Das Verfahren zur Qualitätssicherung verknüpft lernende Systeme mit Expertenwissen durch Neuro-Symolic Learning. Das Expertenwissen wird dabei erfahrungs- und datenbasiert extrahiert.
Anomaliebehebung durch extrahiertes Expertenwissen und lernende Systeme
Im Forschungsprojekt ADELeS haben sich die Universität Augsburg, die Friedrich-Alexander-Universität Erlangen Nürnberg sowie die Unternehmen REHAU Industries SE & Co. KG und XITASO GmbH zusammengetan, um diesen Herausforderungen im Kontext der Herstellung von Kantenbändern, , die zum Beispiel in der Möbelherstellung verwendet werden, zu begegnen. Zur Produktion von Kantenband werden bei REHAU 40-60m lange Extrusionsstrecken eingesetzt, die aus einer Vielzahl von Einzelmaschinen für separate Prozessschritte (z.B. Extruder, Kühlung, Druckwerke) bestehen. Um einerseits die zu erwartende Produktqualität vorauszusagen (Predictive Quality) und andererseits den Bedienern der Extrusionsstrecke Parameteranpassungen zur Behebung von Qualitätsanomalien vorzuschlagen, sieht der Forschungsansatz die Kombination von Expertenwissen mit maschinellen Lernverfahren auf Basis von Zeitreihendaten der Extrusionsstrecke vor. Die Vorschläge bzw. das Assistenzsystem werden durch automatische Erkennung von Qualitätsannomalien ausgelöst.
Expertenwissen wird durch erfahrungs- und datenbasierte Wissensextraktion erfasst, formalisiert und quantifiziert. Das Ergebnis wird sowohl in erklärbaren Learning Classifier Systemen als auch neuro-symbolischen Ansätzen verwendet.
Der Fokus von XITASO liegt auf der Weiterentwicklung der innovativen, im Vorgängerprojekt AIPE entwickelten, Methodik zur datenbasierten Wissensextraktion, der Repräsentation dieses prozeduralen Wissens in Wissensgraphen, deren Repräsentation in Vektoren, sowie der neuro-symbolischen Kombination von Erfahrungswissen und neuronalen Netzen.
Bayerisches Staatsministerium für Wirtschaft, Landentwicklung und Energie
Bayerisches Verbundförderprogramm (BayVFP)
– Förderlinie Digitalisierung –
Förderbereich Informations- und Kommunikationstechnik
VDI/VDE Innovation + Technik GmbH
KI-Produktionsnetzwerk Augsburg
Mit Forschungs- und Innovationsprojekten erkunden wir das Potenzial der Technologien von morgen. Dafür suchen wir stets engagierte Kolleg*innen, die mit uns den XITASO Weg weitergehen und mitgestalten möchten.
Dr. Richard Nordsieck
Tel. +49 821 885882-89
richard.nordsieck@xitaso.com