SmartDD

FFG COMET, 2019-2022

Smart Data Discovery

Motivation

Durch die ständig wachsende Anzahl von Datenquellen stößt die manuelle Datenanalyse in vielen Bereichen an ihre Grenzen. Die Implementierung von semiautomatischen Datenanalysen wird als Lösung im Bereich der IoT- und Cyber Physical Production Systems (CPPS) gesehen. Aktuelle Tools unterstützen jedoch vor allem Ansätze und Methoden, die aus dem Bereich Business Intelligence stammen. Ziel dieses Projekts ist es, intelligente Smart Data Discovery Ansätze speziell für IoT und CPPS zu entwickeln. Zu diesem Zweck werden spezielle Methoden des maschinellen Lernens entwickelt, die die Inferenz auf das mechanistische Prozessverständnis ermöglichen, um die Prozessanalyse und Prozessoptimierung im industriellen Umfeld bestmöglich zu unterstützen.

Ob es sich nun um das Lernen von Ursachen (kausale Zusammenhänge) einer Krankheit, um die Auswirkungen bestimmter Behandlungen in medizinischen Untersuchungen oder um das Auffinden von Ursachen in komplexen industriellen Prozessen handelt, alle neigen dazu, die verfügbaren Daten zu analysieren, um zu verstehen, warum und wie Dinge passieren.

Neben typischen Betriebsdaten (z.B. Sensordatenmessungen) zeichnen die Systeme auch Hinweise in Logdateien auf. Diese Art von Ereignisdaten wird nicht häufig verwendet, obwohl sie wertvolle Informationen enthalten können.

Erwartete Ergebnisse

  • Effiziente Strukturlernmethoden und deren parallelisierte Implementierungen (GPU/MultiCore)
  • Robuste causal discovery Methoden für industrielle Anwendungen, die für Anwendungsfälle von Unternehmenspartnern verifiziert wurden
  • Verfahren zur Beurteilung der Zuverlässigkeit von Vorhersagen und deren prototypischen Implementierungen
  • Methoden zur Modellinterpretation, zur Erklärung des Model-Outputs und zur Integration von Domänenwissen in den Lernprozess unter Verwendung von Expertenwissen und/oder Domänenontologien
  • Methoden und Werkzeuge zur Integration von Process Mining und causal discovery für ein verbessertes Prozessverständnis

Fördergeber

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

Himmelbauer Johannes

Senior Research Project Manager Data Science
Research Team Lead Sustainable Process Cognition