Record #510665

DFG project G:(GEPRIS)468717655

Erhöhung der Gesamtanlageneffektivität – Entwicklung resilienter agentenbasierter Automatisierungssysteme für den Maschinen- und Anlagenbau

Coordinator	Professorin Dr.-Ing. Birgit Vogel-Heuser
Grant period	2021 -
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)468717655

Note: Globale Märkte sind extrem kompetitiv, sodass ein wirtschaftlicher Betrieb von Produktionssystemen, oft gemessen als Overall Equipment Effectiveness (OEE), entscheidend ist. In Resi4MPM wird eine dezentrale, agentenbasierte Methode entwickelt, um die Resilienz von Produktionssystemen und somit auch die OEE zu erhöhen. Dies wird durch die Kombination von aktiven Ansätzen auf der Feldebene mit cloudbasierten Datenanalysemethoden der taiwanesischen Forschungspartner der NCKU erreicht, die intelligente Methoden der vorbeugenden Instandhaltung erforschen.Resi4MPM erforscht drei miteinander verknüpfte aktive Ansätze zur Erhöhung der OEE. Erstens wird das Aktionsraum-Konzept als Voraussetzung für zuverlässiges, sicheres, autonomes Verhalten von Maschinen oder Komponenten erforscht, wie die automatische Kompensation von „kranken“ Komponenten der Feldebene, z. B. von Sensoren durch Softsensoren, wenn die Qualität des Softsensors höher ist. Dazu berücksichtigt der Ansatz die Unsicherheiten bzw. die Fehlerwahrscheinlichkeit bei der Ersetzung und kumuliert diese für übergeordnete Komponenten. Um auf der Feldebene automatisch kompensieren zu können, sind effiziente Entscheidungsverfahren, schlanke Informationsmodelle und Wissensbasen notwendig. Falls eine Maschine wegen eines Fehlers stoppt, der keine Kompensation zulässt, wird zweitens ermittelt, wie die Maschine in einen Zustand gebracht werden kann, von dem aus der Betrieb (halb-)automatisch wiederaufgenommen werden kann, um Ausfallzeiten durch manuelle Operatoraktionen zu reduzieren. Hierfür werden Methoden zur Erstellung von Zustandsautomaten einschließlich der Übergangsbedingungen aus Engineeringdaten untersucht und eine darauf basierende Retracing-Methode erforscht. Drittens wird eine Methode zur Analyse von Anomalien entwickelt, die die Vorteile des Einsatzes in der Cloud (verfügbare Rechenleistung) mit der Vorverarbeitung bzw. Vorfilterung auf der Feldebene vereint, um eine schnelle Kompensation und die Verarbeitung von schnellen Antriebsdaten zu ermöglichen. Zudem werden die Ursachen von Alarmfluten in der Cloud-Umgebung ermittelt, aktualisiert und als ressourceneffiziente Modelle an die Feldebene gesandt, um die Anlage und ihre Wissensbasen weiterzuentwickeln.Da diese Ansätze geeignete Wissensrepräsentationen benötigen, wird Resi4MPM die Informationsextraktion aus Engineeringdokumenten und Methoden des maschinellen Lernens aus Betriebsdaten erforschen, um Wissensbasen zu generieren und aktualisieren. So werden die Methoden zur Erhöhung der Resilienz für die industrielle Anwendbarkeit befähigt und der manuelle Aufwand reduziert.Die Anwendungsfälle werden mit den assoziierten Industriepartnern des Maschinen- und Anlagenbaus, die sich aktiv an Resi4MPM beteiligen werden, konkretisiert.

Recent Publications

There are no publications

Record created 2023-01-19, last modified 2024-09-27

Similar records

Rate this document:

(Not yet reviewed)

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

guest :: login PUBDB
		Search		Submit		Personalize Your alerts Your baskets Your searches		Help