Forschungsschwerpunkt wiederverwendbarer Diagnosemethoden durch Analyse aggregierter Anlagendaten für Anlagen- und Maschinenfamilien

Kurzbeschreibung

Die Verfügbarkeit von Anlagen ist eines der höchsten Ziele jedes Anlagenbetreibers. Verfügbarkeitssteigerung bedeutet, den aktuellen Zustand von jedem Sensor und Aktor, über das Produkt bis hin zur gesamten Anlage einzuschätzen und, vor oder auch im Fehlerfall, Fehlerkompensationsmaßnahmen durchzuführen, um den Anlagenbetrieb aufrecht zu erhalten. Gleichzeitig soll in allen Situationen die geforderte Produktqualität erreicht werden. Das ist weit mehr, als Diagnosesysteme oder Asset Management Systeme (AMS) heutzutage leisten und erfordert neue und innovative Methoden, basierend auf aktuellen und zukünftigen Technologietrends.

Der Lehrstuhl für Automatisierung und Informationssysteme erforscht neue und innovative Methoden für wissensbasierte Asset Management Systeme, datengetriebene Diagnosemethoden im Kontext von Industrie 4.0 und Cyber-Physical-Production Systems (CPPS) im kompletten Anlagen-Lifecycle und unter Berücksichtigung von menschlichen Einflussfaktoren bei Einsatz von Mensch-Maschine Schnittstellen.

Informationsgewinn durch Datenaggregation aus anlagenweiten Datenquellen - Weg von den Datengräbern hin zur Wertschöpfung

Jedes Unternehmen besitzt ein Flut von Daten aus verschiedensten interdisziplinären Bereichen und verschiedenen Phasen des Anlagenlebenszyklus, wie zum Beispiel Dokumente aus den Entwicklungsphasen der Anlage oder auch Daten die während des Betriebs der Anlage, zu Gewährleistungszwecken, aufgezeichnet werden (Meldungs- und Prozessdaten). In beiden Datenquellen steckt viel menschliches Know-how und Informationen über Störungen und Störbeseitigungen. Beide Datenquellen werden oft zu Datengräbern und die Informationen über Störungen nicht durch Analysemethoden extrahiert oder gar zum Informationsgewinn für ein AMS aggregiert.

Ein Forschungsziel der Lehrstuhls im Bereich Wissensbasiertes Asset Management System ist es, neue Diagnosemethoden im Bereich der oben beschriebenen Datenaggregation zu erforschen und das mit neuen datengetriebenen Analysetechniken. Dabei werden aus den Daten Störungscharakteristiken analysiert. Störungscharakteristiken sind nicht nur Merkmale die eine Störung beschreiben, sondern beinhalten auch die Symptome einer Störung, die Auswirkung einer Störung auf vor- und nachgelagerte Prozesse und ebenfalls die Störbeseitigungsmaßnahmen, durch Beobachtung der Eingaben des Anlagenbedieners im Fehlerfall. Die analysierten Störungscharakteristiken werden dem Wissensbasierten Asset Management System übertragen und während des Anlagenbetriebs eingesetzt, um automatisch Störungen frühzeitig zu erkennen und im Sinne der Self-Healing Machine® automatisch Kompensationsstrategien durchzuführen, um die Betriebszeiten der Anlage zu erhöhen. 

Der Lehrstuhl hat bereits einige der oben genannten Aspekte in verschiedenen Projekten realisiert und gezeigt, welche Zusatzinformationen für ein wissensbasiertes Asset Management System notwendig sind und wie die Anlagenverfügbarkeit mit diesen Ergebnissen gesteigert werden kann - das alles mit minimalem Mehraufwand:

• Steigerung der Anlagenverfügbarkeit
• Statistische Identifikation von Störcharakteristika
• Datenintgetration und statistische Analyse zur Identifikation kausaler Störcharakteristika
• Entwicklung von Agentensystemen zur Steigerung der Anlagenverfügbarkeit
• Forschungsfeld: Qualitätssicherung

M2M-Kommunikaition von Diagnosemethoden und Störungscharakteristika - eine Anlage warnt die Andere

Im Sinne der Wertschöpfungskette eines Unternehmens sollen wissensbasierte Asset Management Systeme und die erforschten datengetriebenen Diagnosemethoden nicht nur  an einer Anlage eingesetzt werden. Durch CPPS und Industrie 4.0 werden zukünftig Maschinen und Anlagen weltweit miteinander vernetzt und werden Diagnoseinformationen austauschen. Zukünftig werden Maschinen und Anlagen sich über Störungscharakteristiken unterhalten, um wissensbasierte Asset Management Informationen auf Maschinen- und Anlagenfamilien zu übertragen. Einmal gewonnene Störungscharakteristika werden anlagenübergreifend eingesetzt, und das bevor eine Störung in einer benachbarten Anlagen eingetreten ist. Somit warnt eine Maschine eine Maschine der gleichen Maschinenfamilie.

Wir als Lehrstuhl für Automatisierung und Informationssysteme sind einer der Enabler  und Treiber von CPPS und Industrie 4.0. Wird sind Mitinitiatoren des Forschungsnetz „myJoghurt“ für die Demonstration von CPPS und Industrie 4.0. Verschiedene Anlagen im universitären Umfeld wurden miteinander vernetzt und werden in Kooperation miteinander betrieben. Dieses Forschungsnetz demonstriert den Unternehmen Chancen und Nutzen im Kontext vernetzter und autonom kommunizierender Anlagen. Die Anlagen im Forschungsnetz werden durch künstliche Intelligenzen vernetzt und können sich dynamisch zur Laufzeit rekonfigurieren, damit Kundenaufträge termingerecht bearbeitet sind - und das auch im Fehlerfall. Sollte Anlagen komplett ausfallen, übernehmen andere Anlagen die Aufträge (auch im verteilten Anlagenverbund), sofern die Anlagen die geforderten Funktionalitäten zur Produktion realisieren können.

• I4.0 Demonstrator: MyJoghurt
• Multi-Agentensysteme zur Verfügbarkeitssteigerung
• Forschungsfeld: Verteilte Systeme

Außerdem ist Frau Prof. Dr.-Ing. Birgit Vogel-Heuser Vorsitzende des VDI/VDE-GMA Fachausschuss 5.15. "Agentensysteme". Somit sind wir im ständigen Kontakt mit Unternehmen und Forschungsinstituten, um gemeinsam agentenorientierte Ansätze in der Forschung zu verbessern und industriell zu etablieren.

Visuelle Unterstützung von Anlagenbedienern im Kontext von Industrie 4.0 - der menschliche Aspekt ist nicht zu unterschätzen

Der Trend geht verstärkt dahin, die klassische 2D Anlagenbeobachtung und -bedienung durch mobile Endgeräte und anwendungsabhängige 3D Visualisierungen abzulösen. Die Leistungsfähigkeit der mobilen Anzeigekomponenten stellt kein Hindernis mehr dar. Die Anlagenvernetzung und Datenaggregation hingegen führt zwar zu einer Informationsgewinnung, führt jedoch zu der Herausforderung den Anlagenbediener eine geeignete Mensch-Maschine-Schnittstelle zur Verfügung zu stellen, um die aus den verschiedenen Datenquellen gewonnenen Informationen anzuzeigen. Hierbei ist auch die Usability und die Akzeptanz von neuartigen Bedienelementen zu betrachten.

Unser interdisziplinäres und transdisziplinäres Team - bestehend aus dem Maschinenbau, der Informatik, der Elektrotechnik, Mechatronik und Psychologie - überzeugt durch Anwendung und Forschung von neuen Visualisierungsmöglichkeiten. Unterstützt durch unsere Ingenieurspsychologen der Arbeitswissenschaften zeigen wir nicht nur die grundsätzliche ingenieursmäßige Anwendbarkeit von neuen Visualisierungsmedien und -techniken, sondern beweisen durch empirische Studien den Nutzen neuer Technologien für den Endanwender und das unter Einbezug von menschlichen Einflussfaktoren mit unterschiedlichen fachlichen Ausbildungsstand. Diese Kompetenz haben wir bereits in einigen Forschungsprojekten unter beweis gestellt:

• Augmented Reality zur Operatoruntersützung und Instandhaltung
• Interaktive 3D Visualisierung zu Operatorunterstützung
• Forschungsfeld: Human Factors

Forschung und Praxis - Echte industrielle Anwendungen sind das Ziel

Herausforderungen bestehen nicht nur bei der Erforschung neuer Methoden innerhalb der Forschungsschwerpunkte des Lehrstuhls und der Anwendung an (sterilen) Laboranlagen, sondern auch in der Machbarkeit im realen und rauen industriellen Umfeld. Hierbei unterstützen uns langjährige und vertrauensvolle Kooperationen von mehr als 30 namenhaften Unternehmen, sowohl national als auch international - von fertigungstechnischen, über verfahrenstechnischen, bis hin zu hybriden Prozessen.

Kontaktpersonen

• Dr.-Ing. Dorothea Pantförder
• Prof. Dr.-Ing. Birgit Vogel-Heuser

Publikationen

1. Folmer, Jens; Meyer, Heiko; Weißenberger, Benedikt; Vogel-Heuser, Birgit. Diagnosis of Automation Devices based on Enginering and Historical Data. In: IEEE International Conference on Emerging Technologies and Factory Automation (ETFA), 2012. doi: 10.1109/ETFA.2012.6489688
2. Folmer, Jens; Li, Fang; ‚Wannagat, Andreas; Vogel-Heuser, Birgit. Engineering funktionaler Abhängigkeiten zur Steigerung der Verfügbarkeit von Produktionsanlagen. In: Entwurf komplexer Automatisierungsanlagen (EKA), Jumar , U. et al.  (Hrsg.), 2010.
3. Folmer, Jens; Vogel-Heuser, Birgit: Model-Based Approach to Generate Training Sequences for Discrete Event Anomaly Detection in Manufacturing. In: IFAC Conference in Embedded Systeme, Computational Intelligence and Telematics in Control (CESCIT), 2012. doi:10.3182/20120403-3-DE-3010.00080
4. Folmer, Jens; Vogel-Heuser, Birgit: Computing Dependent Alarms for Alarm Flood Recuction. In: Transaction on System Signals and Design  (TSSD), Vol. 8. No. 1, 2014.
5. Vogel-Heuser, Birgit; Feiz-Marzoughi  Bagher: Datenkopplung mittels UML-Modellen - Engineering- und IT-Systeme für Industrie 4.0 vernetzen. In: Atp edition Vol. 12, 2013, S. 26-37.
6. Hufnagel, Johann, Frank, Timo, Vogel-Heuser, Birgit: Framwork for a Model-Based, Cross-Domain System Interconnection in Automation Technology. In 18th IEEE Conference on Emerging Technologies and Factory Automation (ETFA), 2013. doi:10.1109/ETFA.2013.6647981
7. Pötter, Thorsten; Folmer, Jens; Vogel-Heuser, Birgit. Enabling Industrie 4.0 - Chancen und Nutzen für die Prozessindustrie. In: Bauernhansl, Thomas; ten Hompel, Michael; Vogel-Heuser, Birgit (Hrsg.), Industrie 4.0 in der Produktion, Automatisierung und Logistik, 2014, S. 159-171. doi:978-3-658-04682-8_17
8. Vogel-Heuser, Birgit; Diedrich, Christian; Pantförder, Dorothea; Göhner, Peter: Coupling heterogeneous production system by a multi-agent based cyber-physical production system. In: IEEE International Conference on Industrial Informatics (INDIN), 2014. doi:10.1109/INDIN.2014.6945601
9. Panförder, Dorothea; Mayer, Felix; Diedrich Christian; Weyrich, Michael; Vogel-Heuser, Birgit. Agentenbasierte dynamische Rekonfiguration von vernetzten Produktionsanlagen - Evolution statt Revolution. In: Bauernhansl, Thomas; ten Hompel, Michael; Vogel-Heuser, Birgit (Hrsg,), Industrie 4.0 oin der Produktion, Automatisierung und Logistik, 2014, S. 145-158. doi:978-3-658-04682-8_17
10. Mayer, Felix; Pantförder, Dorothea: Unterstützung der Menschen in Cyber-Physical-Production Systeme. In: Bauernhansl, Thomas; ten Hompel, Michael; Vogel-Heuser, Birgit (Hrsg,), Industrie 4.0 oin der Produktion, Automatisierung und Logistik, 2014, S. 481-491. doi:978-3-658-04682-8_17
11. Schweizer, K.; Vogel-Heuser, B.; Pantförder, D.; Gramß, D.: Förderlichkeit des Einsatzes von 3D-Pattern und Slider für die Fehlererkennung bei der Überwachung von Prozessdaten - ein Vergleich von jüngeren und älteren Operatoren (Novizen). In: Zeitschrift für Arbeitswissenschaft, Ergonomia Verlag, Stuttgart, 2013, S. 45-61.
12. Pantförder, D.; Vogel-Heuser, B.: Benefit and evaluation of interactive 3D process data visualization in operator training of plant manufacturing industry. In: Proc. IEEE International Conference on Systems, Man and Cybernetics SMC 2009, San Antonio, 2009, 824—829. doi:10.1109/INDIN.2014.6945601
13. Pantförder, D., Vogel-Heuser, B., Schweizer, K.: Benefit and evaluation of interactive 3D-process data visualization for the presentation of complex problems. In: Jacko, J.A.  (Ed.): Human-Computer Interaction, Part II, HCII 2009. LNCS 5611, Springer-Verlag, Berlin Heidelberg, 2009. S. 869–878. doi:10.1007/978-3-642-02577-8_95