Motivation
Fertigungsprozesse ohne Fehler sind das Ideal der Fertigungs- und Prozessindustrie, um Forderungen nach Qualität unter Einhaltung von Lieferfristen sowie gesetzlichen Auflagen wirtschaftlich zu erfüllen. Um Prozessfehler zu vermeiden, werden Fertigungsprozesse heute meist mit physikalischen Modellen simuliert. Allerdings ist das insbesondere für flexible Prozesse sehr zeitaufwendig und mit Unsicherheiten behaftet, sodass oftmals Vereinfachungen vorgenommen werden müssen. Dadurch kann der Gesamtprozess jedoch nicht exakt vorhergesagt werden, was das präzise Lokalisieren der Fehlerquellen in der Prozesskette unmöglich macht. Als Lösung können beispielsweise Methoden des maschinellen Lernens verwendet werden, die automatisch Zusammenhänge zwischen verschiedenen Fehlern erkennen. Um solche Methoden effizient zu nutzen, werden sehr viele Daten benötigt, die meist nicht vorhanden sind, da Ereignisse wie Produktfehler in der Regel selten vorkommen oder völlig unbekannt sind.
Ziele und Vorgehen
Ziel des Projektes RACKET ist es, eine Methodik zu entwickeln, die eben solche seltenen und im Vorhinein unbekannten Fehlerereignisse in komplexen Fabrikumgebungen erkennt. Dies soll durch die Kombination von modellbasierten Methoden (wissensbasiert), die den Prozess physikalisch beschreiben, und Methoden des maschinellen Lernens (datenbasiert) erreicht werden. Der Ansatz basiert auf der Annahme, dass das physikalische Modell der Fertigungsanlage meist nicht vollständig spezifiziert ist und Unsicherheiten in den Eingabeparametern aufweist. Lücken und Fehler in diesem Modell können dann durch maschinelles Lernen erkannt und im Verhalten korrigiert werden, sodass ein realistischeres Gesamtmodell des Prozesses entsteht. Im Projektverlauf wird der vorgeschlagene Lösungsansatz, also die Kombination von wissens- und datenbasierten Modellen, in ein realistisches Produktionsszenario integriert und mit Hilfe von eingebrachten Fehlern bewertet. Hierfür steht dem DFKI die eigens für solche Zwecke entwickelte SmartFactory-KL Demo-Fabrik zur Verfügung.
Innovationen und Perspektiven
Vom wissenschaftlichen Standpunkt aus gesehen kann RACKET ein Hauptproblem von Kl-inspirierten Projekten im Bereich der intelligenten Fabrik angehen: die Zusammenführung der beiden Welten von datenbasierten Systemen und Expertenwissen. RACKET bietet einen neuartigen Rahmen für das Sammeln von Daten aus der realen Welt und die Bereitstellung von auf Expertenwissen basierenden Modellen zur Lösung von Problemen der Fehlererkennung, Vorhersage und Argumentation in einer realen, intelligenten Fabrik.