Erklärende KI für kooperatives Fehlermanagement – KausaLAssist

Herausforderung

Wettbewerbsfähige Fertigungen müssen neue Produkte schnell und individuell bei gleichzeitig niedrigen Preisen produzieren. Die flexible Automatisierung dafür gelingt durch starke Integration von Software in die Produktionsplanung und -steuerung.

Dabei entstehende Störungen erzeugen häufig längere Produktionsausfälle und sind aufgrund der Komplexität der beteiligten Systeme schwer zu beheben. Aktuell werden Fehler separiert in den beteiligten Systemen angezeigt und durch hochqualifiziertes Personal interpretiert. Die Fachkräfte stehen vor der Herausforderung, diese Informationen in Einklang zu bringen und Ursachen schnell zu ermitteln. Hier fehlen Lösungen, um diesen kognitiven Prozess durch aus Daten gewinnbaren Erkenntnissen und Erfahrungswissen effektiv zu unterstützen.

Lösungsansatz

Hier setzt das Forschungsprojekt KausaLAssist an. Ziel ist die Entwicklung eines gerichteten Graphen, der domänenspezifisches Wissen mit KI-Erkenntnissen über Kausalbeziehungen kombiniert. Als erklärendes KI-System stellt der Graph die erlernten Erkenntnisse mensch- und maschinenlesbar dar und erlaubt eine transparente Ableitung von effektiven Maßnahmen zur Störungsbehebung.

Basierend auf kausalen Graphen werden im Konsortium Lösungen zum Fehlermanagement, also der systematischen Fehlerdetektion, Ursachenermittlung, Lösungsfindung sowie Fehlerbehebung entwickelt und in verschiedenen Fertigungsszenarien erprobt. 

Die KausaLAssist-Lösung setzt auf den Standard OPC UA Alarms & Conditions, um Fehler in den Maschinensteuerungen zu erfassen. Die durchgängige Verwendung von OPC UA erleichtert die Implementierung auf verschiedenen Steuerungsmodellen und ermöglicht somit den Rollout im gesamten Shopfloor. Im Rahmen des Projekts wird die Lösung in drei Anwendungsfällen mit Anlagensteuerungen verschiedener Hersteller erprobt.