Zum zweiten Mal hat ProDok 4.0 die Ehre, sich auf einer tekom-Jahrestagung zu präsentieren. Unsere Kollegin Fabienne Schumann von der dictaJet GmbH wird am Dienstag, 12. November 2019, einen Vortrag halten mit dem Titel Methoden der KI als Brücke zwischen Maschine und Dokumentation.
Ziele und Inhalte des 45-minutigen Vortrages werden nachfolgend kurz vorgestellt.
Ziel des Vortrags
Im Rahmen des Forschungsprojektes ProDok 4.0 – Prozessorientierte Dokumentation für Industrie 4.0 – haben wir untersucht, welche Methoden der Künstlichen Intelligenz (KI) eingesetzt werden können, um die Dokumentation mit der Maschine der intelligenten Fabrik zu vernetzen. In dem Vortrag werden diese Methoden, ihre Funktionsweise sowie Ziele aus Anwendersicht präsentiert und erklärt. Aber auch: Was ist unter KI zu verstehen? Welche „KI-Familien“ gibt es? Wo sind die Vorteile, wo die Grenzen? Erkenntnisse aus unserem Projekt werden vorgestellt.
Eine kurze Einführung in die Welt der KI
Zunächst wird die „Welt“ der KI kurz vorgestellt, in der wir uns im Projekt bewegt haben. Wie die Abbildung links zeigt, gibt es zwei große Familien von KI-Methoden: Die wissensbasierte KI, auch symbolische KI genannt, und die subsymbolische KI, die Welt der Machine Learning (maschinelles Lernen / ML)-Verfahren.
In der wissensbasierten KI geht es um die Wissensrepräsentation: Es soll einem System Wissen beigebracht werden mit dem Ziel, dem System bis zu einem bestimmten Punkt das „Denken“ zu überlassen. Dazu gehören das Abstrahieren und das Schlussfolgern. Methoden hierzu sind u.a. die semantische Abbildung des Wissens durch Ontologien und Methoden des Complex Event Processing (CEP), die logischen Regeln auf Ereignissen abbilden. Beim maschinellen Lernen wird ein System anhand einer Menge an Daten antrainiert. Die ML-Algorithmen verarbeiten die Trainingsdaten, bewerten und interpretieren sie, um sie u.a. zu klassifizieren oder Muster zu erkennen. ML-Verfahren ermöglichen es, Entscheidungen oder Vorhersagen zu treffen.
Drei Stufen von Fehler-Szenarien
Es gibt verschiedene Szenarien des „Fehlerfalls“, in denen eine Maschine sich befinden kann. Erstens: die möglichen Fehlerfälle sind bekannt und mit einem Fehlercode dokumentiert. In diesem Fall kann anhand dieses Fehlercodes und über eine Ontologie die passgenaue Dokumentation zur Lösung des Problemfalls ermittelt und bereitgestellt werden. Zweitens: Der Fehlerfall ist komplexer und hängt von verschiedenen Ereignissen und deren zeitlichen Abfolge ab, die ungefähr bekannt sind. Diese Problemfälle können anhand von Regeln beschrieben und somit erkannt werden. Das Verfahren des Complex Event Processing (CEP) kommt hier zur Anwendung.
Letztlich gibt es die unbekannten Fehlerfälle. Ereignisse, die vom „normal“-Zustand abweichen, stellen Anomalien dar, die es gilt, frühzeitig zu erkennen, um so den Fehlerzustand zu vermeiden. Autoencoder mittels KünstlicherNeuronaler Netze bieten die Möglichkeit, einen solchen Normalzustand zu erlernen und Abweichungen von diesem zu erkennen. Im Falle von Fehlern der ersten Gruppe genügt der Weg über die Ontologie der Fehlerfälle, um an die Ursachen- und Lösungsdokumentation zu gelangen. Für die Fehlerfälle der zweiten Gruppe wird eine semantische Datenanreicherung (semantic lifting) eingesetzt, um von den Maschinen-Rohdaten zur passenden Ursachen- und Lösungsdokumentation – über das Erkennen und Verstehen der Symptome – zu gelangen.
Die ProDok 4.0-Ontologie für die Wissensrepräsentation
Ontologien ermöglichen die integrierte Abbildung relevanter Wissensdomänen. Wissen wird nicht nur innerhalb einer Domäne, sondern auch domänenübergreifend verknüpft. Innerhalb der ProDok 4.0-Ontologie wird die Maschinen- mit der Dokumentationsdomäne verknüpft. In der Ontologie sind Beziehungen zwischen Produkthierarchie und Problemmeldungen (Maschinendomäne) einerseits und Symptom, Ursache/Cause und Lösung/Solution (Dokumentationsdomäne) andererseits modelliert.
Transitive Abhängigkeiten ermöglichen eine natürliche Modellierung des Geltungsbereichs der modularisierten Fehlerdokumentation. So treffen die in der Ontologie-Abbildung dargestellten Dokumentationskonzepte auch auf den Roboter KUKA LBR iiwa R820 zu, da zwischen dem KUKA LBR iiwa und dem KUKA LBR iiwa R820 eine isA-Beziehung besteht. Wie es die Abbildung veranschaulicht, verbindet der rote Knoten Error die eingetretene Fehlersituation mit der passenden Fehlerdokumentation. Sollte die Maschine im Problemfall jedoch keine aussagekräftige Meldung liefern können, müssen erst aussagekräftige Meldungen erzeugt werden. Dies erfolgt durch die Analyse der Maschinen-Prozessdaten während der semantischen Anreicherung.
Die Semantische Anreicherung: Methoden der KI zur Wissensgenerierung
Innerhalb des ProDok 4.0-Projekts wurde CEP eingesetzt, um entsprechend aussagekräftige Meldungen (Semantic Events) zu erzeugen. Ausgehend von standardisierten Maschinen-Rohdaten (zum Beispiel Roboter-Achskonfiguration, Kräfte, Drehmomente, etc.) werden die Semantic Events durch die gestaffelte Ausführung von Filtern, Mustererkennung, Zeit- und Wertverlaufsanalysen beinahe in Echtzeit erzeugt. Die Semantic Events sind komplexe, mit Wissen angereicherte Informationselemente, die es nun erlauben, über die oben gezeigte Ontologie die passgenaue Ursachen- und Lösungsdokumentation zum Fehlerfall bzw. fehlgeschlagenen Prozess zurückzugewinnen. Für das Auffinden einer passenden CEP-Regel zur semantischen Anreicherung von Maschinen-Rohdaten ist oft fachspezifisches Maschinen- und Prozesswissen notwendig, was einen erheblichen Aufwand darstellen kann.
Ein weiterer Weg der semantischen Anreicherung ist das maschinelle Lernen. Im ProDok 4.0-Projekt wurde ein künstlichesneuronales Netz eingesetzt, eine Methode des unüberwachten maschinellen Lernens, um Anomalien in den Rohdaten eines verteilten Maschinen-Systems „aufzuspüren“. Künstliche neurale Netze versuchen stark vereinfacht, die menschliche Kognition zu simulieren; das heißt in anderen Worten also die Fähigkeit des Menschen, Informationen zu verarbeiten und zu lernen. Hierfür sind sie aus einer Menge künstlicher Neuronen in vielen Schichten aufgebaut. Der im ProDok 40-Projekt eingesetzte Autoencoder mittels künstlichen neuronalen Netzes wird anhand eines Beispiels aus dem Projekt erläutert.
Details zu Wo und Wann
Wo: tekom-Jahrestagung 2019, im Internationalen Congresscenter Stuttgart (ICS) auf der Landesmesse Stuttgart – Raum C9.3
Wann: 12. November 2019, 9:15-10:00 Uhr
Als Botschafterin unseres Forschungsprojektes freut sich unsere Kollegin Fabienne Schumann, Sie zu ihrem diesjährigen Vortrag zu begrüßen.
Alle Informationen zur diesjährigen tekom-Jahrestagung
[1] Landkarte der Künstlichen Intelligenz, Reichenberger K., Schwaiger A. und Buchberger S. – Ai|Spektrum, Fachportal für Künstliche Intelligenz, SIGS DATACOM GmbH
https://www.sigs-datacom.de/order/poster/Landkarte-KI-Poster-AI-2018.php
