RACKET - Lernen seltener Klassen und Erkennung unbekannter Ereignisse in der flexiblen Produktion

Abstract

Das Ziel von RACKET war es, eine Methode zur Erkennung seltener und unbekannter Ereignisse sowie zur Systemanpassung in einer flexiblen Produktionsumgebung zu entwickeln. In Produktionsumgebungen können Fehler als seltene oder sogar unbekannte Ereignisse betrachtet werden, da sie im Vergleich zu normalem Verhalten nur selten auftreten. Drei verschiedene Anwendungsfälle für Produktionsszenarien (Montage, FTF und additive Fertigung) wurden entwickelt und auf zwei Demonstratoren angewendet. Es wurde ein System entwickelt, um jede Perspektive (Maschine, Prozess und Ressource) der Anwendungsfälle zu unterstützen. Ausgehend von Sensor-, Maschinen- und Prozessdaten werden alle Datenquellen kontinuierlich auf anomale Ereignisse überwacht, welche entsprechende Symptome erzeugen. Diese Symptome werden in einer Komponente zur Ursachenanalyse verwendet, um die tatsächliche Ursache von Fehlern zu identifizieren. Die gefundenen Möglichkeiten werden einer Bedienkraft über ein AR-Gerät angezeigt, das sie durch den Prozess der Behebung des jeweiligen (potenziellen) Problems führt. Der Prozess wird abgeschlossen, wenn die Bedienkraft Rückmeldungen in das System gibt, um es für zukünftige Vorkommnisse zu verbessern, wodurch unbekannte Ereignisse zu bekannten (seltenen) Ereignissen werden.