Motivation
Automatisierte Produktionssysteme (aPS) arrangieren Betriebsmittel, wie Förderbänder und Produktionsmaschinen, in komplexen Prozessen. Diese Betriebsmittel verarbeiten Zwischenprodukte und überprüfen deren Qualität. Je nach Prüfergebnis wird ein Zwischenprodukt im Prozess weitergegeben, verschrottet oder zur manuellen Prüfung und Nacharbeit ausgeschleust. Obwohl die Einzelschritte überwacht werden, gibt es so komplexe Abhängigkeiten zwischen Material, Bearbeitungsschritten, Betriebsmitteln, Betriebsmittelwartung und Prüfergebnissen, sodass selbst bei vermeintlich korrekter Bearbeitung der Zwischenprodukte einem Endprodukt die erforderliche Qualität fehlen kann. Das führt zu teurer Nacharbeit oder sogar zu Ausschuss.
Ziele und Vorgehen
Ziel des Projektes ist es, mit Methoden des Maschinellen Lernens komplexe Abhängigkeiten zwischen Fehlern und Bearbeitung frühzeitig zu entdecken und sie wiederum mit KI-Methoden so zu erklären, dass der Betreiber sein aPS effizient und effektiv optimieren kann. Dazu verknüpft XAPS digitale Beschreibungen der Fabrik und des Produkts (digitaler Zwilling) aus dem Manufacturing Execution System (MES) mit maschinellem Lernen (ML) und innovativen Methoden der formalen Argumentation.
Innovationen und Perspektiven
Existierende Ansätze zur Erklärung von KI extrahieren meist einfachere Modelle für Spezialfälle aus komplexen neuronalen Netzwerken, die dann für den Menschen interpretierbar sind. Diese Ansätze beschäftigen sich allerdings meist nur mit Identifikation von Messwerten, die zu einer bestimmten Entscheidung geführt haben, jedoch nicht mit den Umständen in der realen Umgebung, die dem gesamten Prozess zu Grunde liegen. Formale Argumentation ist eine Teildisziplin der KI, die sich ideal für die Repräsentation solcher Erklärungen eignet. Die Modelle der formalen Argumentation verwenden insbesondere Ansätze, die sich mit der Repräsentation und Interaktion von Argumenten und Gegenargumenten befassen. So liefert die Methode ein Argument, welches ein Fehlverhalten erklärt und durch den menschlichen Bearbeiter interpretiert und, wenn es nicht zutrifft, wiederlegt werden kann, wodurch die XAPS-Plattform nach einer neuen Begründung für den Fehler sucht. Dies ergibt die Grundlage für ein ganzheitliches Lösungsportfolio zur Steuerung und Überwachung von aPS.