AIPRA

Kontext und Motivation

Produktionsumgebungen werden zunehmend durch umfangreiche Sensorik überwacht, die massive Datenströme erzeugt. Ziel der vorausschauenden Instandhaltung ist es, auf der Grundlage dieser Daten rechtzeitig auf fehlerhafte Produktionsabläufe zu reagieren, um den Verlust von Produktionszeit zu minimieren. Vorausschauende Wartung besteht aus der Erkennung, Diagnose und Vorhersage von anomalem Verhalten im Produktionsprozess.

Die Einbettung dieser drei Aufgaben in die Theorie der stochastischen Prozesse und der statistischen Prozesskontrolle ermöglicht eine systematische Progression der Analyse vom Allgemeinen (Methodenpool) zum Speziellen (Anwendungsfallebene). Das Ziel ist es, dieses Programm, durch Verwendung von Methoden erklärbarer KI, so durchzuführen, dass die/der Anwender*in die Indikationen der beteiligten Methoden für die Entscheidungsfindung in der Prozessoptimierung vertrauensvoll akzeptieren kann.

Motiviert durch die Anwendungsfälle unserer Unternehmenspartner*innen aus unterschiedlichen Bereichen der Industrie sind dies Handlungsempfehlungen zur Reduzierung von Ausschuss, zur Verlängerung der Restnutzungsdauer (RUL) von Werkzeugteilen oder zur Erhöhung der Zeitspanne zwischen regelmäßig anfallenden Wartungsarbeiten.

Erwartete Ergebnisse

• Methoden zur Erkennung, Diagnose und Vorhersage von Anomalien als nicht-stationäre Phänomene
• Framework von erklärbaren KI-Methoden zur Vorgabe von Prozessverbesserungen und -steuerung (z. B. Planung von Wartungsintervallen)
• Methoden zur automatisierten Kompensation von Trends und prozessinhärenten Nicht-Stationaritäten
• Best Practices zur Trainingsdatengenerierung, Datenanreicherung und Domänenanpassung
• Software-Tools eingebettet in die IT-Landschaft des Partners

Fördergeber

Das Projekt wird im Rahmen von COMET – Competence Centers for Excellent Technologies durch BMK, BMAW, Land Oberösterreich und den wissenschaftlichen Partnern des SCCH gefördert. Das Programm COMET wird durch die FFG abgewickelt.