AGATA

Analyse großer Datenmengen in Verarbeitungsprozessen

Wissenschaftliche/r Leiter/in:
 
Projektleiter/in:
 
Ansprechpartner/in:

Industrielle Verarbeitungsprozesse werden heutzutage zunehmend komplexer. Dies hat zur Folge, dass Fehlfunktionen wie etwa der Ausfall von Sensoren nicht immer rechtzeitig erkannt werden, was zu Schäden an den Anlagen, Produktionsausfällen sowie erhöhten Kosten durch die Lokalisation der Fehlerquellen führen kann. Im Verbundprojekt „AGATA“ soll ein selbstlernendes Assistenzsystem entwickelt werden, das durch die Beobachtung komplexer Verarbeitungsprozesse in Industrie und Landwirtschaft Zusammenhänge ermittelt und so Fehler, Anomalien und Optimierungsbedarf automatisch erkennt. Die geplante Lösung soll Anlagenpersonal frühzeitig warnen, beispielsweise wenn sich Komponentenausfälle abzeichnen oder das Prozessverhalten ineffizient oder fehlerhaft ist. Darüber hinaus soll der Anwender beim Monitoring der Prozesse und bei der Fehlersuche unterstützt werden.

Laufzeit: 01.09.2014 bis 31.08.2017
Partner: Fraunhofer-Anwendungszentrum Industrial Automation des IOSB, CLAAS E-Systems KG aA mbH & Co KG, Bayer Technology Services GmbH, Hilscher Gesellschaft für Systemautomation mit beschränkter Haftung, Tönsmeier Dienstleistung GmbH & Co. KG
Fördergeber: Bundesministerium für Bildung und Forschung
Förderkennzeichen: Das Projekt AGATA wird gefördert durch das Bundesministerium für Bildung und Forschung (BMBF) unter dem Förderkennzeichen 01IS14008F.

Projektdetails

Das Projektteam von AGATA beim Kickoff-Meeting im Fraunhofer IOSB-INA in Lemgo. © Fraunhofer IOSB

Ziel des AGATA-Projektes ist es, intelligente Assistenzsysteme für industrielle und landwirtschaftliche Verarbeitungsprozesse zu entwickeln. Die zunehmende Komplexität von Verarbeitungsprozessen und des ständig wachsenden Datenaufkommens führt zu einer Überlastung des Anwenders bei der Überwachung, Analyse und Diagnose solcher Prozesse. Daher soll dem Anwender eine abstrakte Sicht auf den aktuellen Systemzustand und mögliche Anomalien präsentiert werden.

Das DFKI entwickelt Verfahren des Maschinellen Lernens zur Erkennung von Anomalien auf Rohdaten ohne dass detailliertes Prozess- oder Modellwissen zugrunde liegt, sowie zur Analyse/Erklärung beobachteter Anomalien. Dabei werden Strukturen und Zusammenhänge von Merkmalen auf Ausreißer hin untersucht und die wesentlich beitragenden Merkmale gefunden. Im DFKI entwickelte Verfahren haben bereits in der Vergangenheit Unstimmigkeiten und Ausreißer aufgedeckt, über deren Existenz und Ausmaße man sich vorher nie bewusst war. Auch Ursachen erkannter Fehler oder besonderer Vorkommnisse können so gefunden werden. Die Algorithmen sollen an die Verarbeitung großer Datenmengen angepasst werden. Die Entwicklung erfolgt in Anlehnung an konkrete landwirtschaftliche Szenarien; die entstehenden Algorithmen werden sodann auch auf industrielle Szenarien transferiert und und stehen für Praxistests bei landwirtschaftlichen Anwendungen und zur Prozessanalyse zur Verfügung.

Zurück zur Projektliste
© DFKI GmbH
zuletzt geändert am 26.08.2019
nach oben