Call for Papers

Lernen von Kausalitäten in Produktionsanlagen ( Vortrag )

Selbstlernende Reparaturunterstützung in komplexen Systemen

Referent: Prof. Oliver Niggemann, Fraunhofer IOSB-INA, Anwendungszentrum Industrial Automation, Lemgo
Vortragsreihe: Machine Learning
Zeit: 06.12.18 11:45-12:25

Zielgruppe

Forschung&Lehre

Themenbereiche

Mensch & Team, Aus Forschung & Lehre

Schwerpunkt

Methode

Voraussetzungen

Grundlagenwissen

Kurzfassung

Während das Lernen von Modellen des Normalverhaltens von Produktionsanlagen und damit auch das Erkennen nicht-normaler Situationen gut funktioniert (Condition Monitoring), bleibt das Lernen von Kausalitäten ein ungelöstes Problem. Solche Kausalitäten werden z.B. für die Diagnose, also der Identifikation von Fehlerursachen (Root Causes), benötigt. Das Lernen der Kausalitäten auf Basis von Systembeobachtungen scheitert aktuell an folgenden Problemen: (i) Kombinatorik: Zu jedem Zeitpunkt kann der Wert einer Variable von einer beliebigen Teilmenge der Variablen abhängen. (ii) Zeit: Abhängigkeiten zwischen Variablen wirken oft nur zeitverzögert, d.h. auch Zeitverzögerungen müssen gelernt werden. (iii) Bias: Die Form der die Abhängigkeit beschreibenden Funktion muss eingeschränkt werden, da es unendlich viele solcher Formen gibt. (iv) Fehlermodelle: Kausalitäten müssen nicht nur für das Normalverhalten sondern auch für das Verhalten im Fehlerfall erlernt werden.

Gliederung

Problembeschreibung und Motivation

Einsatzgebiete

Lösungsansatz

Zusammenfassung

Nutzen und Besonderheiten

Die Zuhörer verstehen, welche Möglichkeiten Maschinelles Lernen für die Diagnose von Produktionsanlagen aufweist.

Über den Referenten

Prof. Niggemann studierte bis 1997 Informatik an der Universität Paderborn, wo er 2001 auch mit dem Thema "Visual Data Mining of Graph-Based Data" promovierte. Anschließend arbeitete er als Software-Entwickler und Software-Projektleiter bei der Firma Acterna in der Telekommunikationsbranche. Bis 2008 war als Lead-Produktmanager bei der Firma dSPACE tätig. Dort verantwortete er den Produktbereich System and Function Design Tools. Prof. Niggemann war aktiv im AUTOSAR-Gremium tätig und bis 2008 Beiratsvorsitzender des s-labs der Universität Paderborn. Prof. Niggemann ist stellvertretender Leiter des Institutsteils Industrial Automation des Fraunhofer IOSB in Lemgo und dort ebenfalls Leiter der Abteilung Maschinelle Intelligenz. Parallel folgte er 2008 dem Ruf auf die neu eingerichtete Professur für Technische Informatik an der Hochschule Ostwestfalen-Lippe, Seit 2017 ist er stellv. Vorstandssprecher des Instituts für industrielle Informationstechnologien (kurz: inIT - Institut Industrial IT). Prof. Niggemann ist Autor/Co-Autor von diversen Veröffentlichungen und Mitglied in zahlreichen Programmkomitees. Prof. Niggemann leitet diverse Forschungsprojekte zum Thema Industrie 4.0, u.a. im Spitzencluster Intelligente Technische Systeme it’s OWL, und arbeitet zu diesem Thema auch in Organisationen wie z.B. der GMA (VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik) oder der Plattform Industrie 4.0.