Kooperative Mensch-Maschine-Dialog in der Diagnose und Beseitigung von Störungen in Verarbeitungsanlagen (KoMMDia)

Problemstellung
Verarbeitungsmaschinen, die Massengüter herstellen, werden immer größer, schneller und komplexer. Auftretende Störungen sind deshalb vielschichtig und unvorhersehbar. Um diese richtig und frühzeitig diagnostizieren und beheben zu können, braucht es sowohl Prozessdaten über den Anlagenzustand als auch aktuelle Beobachtungen und das Erfahrungswissen von Bedienern. Das Zusammenführen beider Informationsquellen durch ein Assistenzsystem (AS) verspricht eine genauere Diagnose, eine bessere Störungsbehebung und macht das Bedienerwissen langfristig verfügbar. Solche AS sind für Verarbeitungsanlagen jedoch nicht vorhanden und bisherige Ansätze aus anderen Bereichen orientieren sich nur unzureichend am Wissen über Kommunikationsprozesse.

Zielsetzung
Im Forschungsprojekt KoMMDia wird ein lernfähiges, innovatives Assistenzsystem zur kooperativen Störungsdiagnose am Beispiel von Verarbeitungsmaschinen entwickelt, welches Anlagendaten und Bedienerwissen durch geeignete Methoden erfasst und verknüpft.

Vorgehensweise
Nach einer Anforderungsermittlung stellen geeignete Konzepte sicher, dass qualitative Bedieneraussagen in eine von Maschinen interpretierbare Form überführt und diese mit den technischen Daten der Anlage verknüpft werden können. Dazu nutzt das AS ein Vorgehen, bei dem im Dialog mit dem Bediener die aktuelle Situation schrittweise erfragt wird. Aus allen gesammelten Informationen werden charakteristische Muster abgeleitet, mit denen sich ähnliche Prozessdatenverläufe aus der Vergangenheit suchen lassen. Über mehrere Dialog-Schleifen hinweg lernt das AS und wird somit immer besser darin, dem Bediener präzise und verständlich die richtigen Fragen zu stellen und hilfreiche Lösungen vorzuschlagen. Dabei greift das System zu keiner Zeit aktiv in die Steuerung ein, sondern steht dem Bediener beratend zur Seite. Eine immer effizientere Störungsdiagnose wird dadurch ermöglicht. Die Einzelergebnisse werden in einem Demonstrator integriert, an Laboranlagen empirisch geprüft und iterativ weiterentwickelt. Im letzten Schritt wird das entstandene AS im laufenden Betrieb in den Anlagen der Anwendungspartner gesamtheitlich evaluiert. Ergebnisse und Anwendungspotenzial Als Ergebnis steht Anlagenbetreibern ein Assistenzsystem zur Verfügung, mit dem eine wesentlich präzisere Störungserkennung und -diagnose möglich wird. Dadurch werden sowohl Stillstandzeiten von Anlagen reduziert als auch der Anlagenwirkungsgrad gesteigert. Zudem wird eine arbeitsbegleitende Qualifikation des Bedienpersonals unterstützt. Eine modulare und skalierbare Konzeption des AS erlaubt es, sowohl Neuanlagen als auch Bestandsanlagen verschiedener Größe und Komplexität bedarfsgerecht auszustatten. Langfristig wird durch das AS vorhandene Bedienerwissen dauerhaft für Unternehmen gesichert.

• Elco Industrie Automation GmbH
• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein
• Technische Universität Dresden
• Theegarten PACTEC GmbH & Co.KG