Um Schäden an Maschinen zu vermeiden, ist heute vielfach die Analyse von Sensordaten hilfreich. Sobald sich eine Anlage verdächtig verhält, spiegelt sich das in ungewöhnlichen Datenmustern. So genannte Maschine-Learning (ML)-Algorithmen liefern derzeit allerdings nur Hinweise, „was“ ausgetauscht werden soll, jedoch nicht das „Warum“. Der für den Austausch des Maschinenstücks verantwortliche Servicetechniker muss jedoch auch wissen, warum der Algorithmus beispielsweise die Erneuerung einer Lüftung vorschlägt. Die mitgelieferte Begründung, z.B. Luftstrom nicht ausreichend oder Lebensdauer des Bauteils überschritten, unterstützt den Servicetechniker, adäquat zu reagieren.
Um den Einsatz des Service-Mitarbeiters durch selbsterklärende Vorhersagen noch effizienter zu gestalten und den Wartungs- und Produktionsprozess zu optimieren, ist das Forschungsprojekt DAIKIRI ein wichtiger Meilenstein beim Einsatz von KI im IoT-Umfeld. Im Rahmen des vom Bundesministerium für Bildung und Forschung geförderten Verbundprojektes agiert die USU Software AG als Konsortialführer und Projektkoordinator. Weitere Partner sind die Arbeitsgruppe Data Science der Universität Paderborn, die AI4BD Deutschland GmbH sowie die pmOne AG. Das über 24 Monate laufende Forschungsvorhaben startete im Januar 2020.
„Das Ziel ist es, durch neue Verfahrenstechniken die ML-Algorithmen mit genau den zusammenhängenden Daten anzureichern und zu trainieren, um am Ende das „Was“ und „Warum“ automatisiert vorherzusagen und zwar in der Form, die es dem Servicetechniker ermöglicht, das Zustandekommen des Ergebnisses auch zu verstehen. Das schafft Vertrauen und ist die Voraussetzung für Entscheidungen!“, so Henrik Oppermann, Leiter Forschung bei USU.
Selbsterklärende Zustandsüberwachung von Maschinen für sichere Entscheidungen
Bereits heute setzen vor allem große Konzerne der Branche intensiv KI-Technologien ein, um ihre Produktionsabläufe zu optimieren, d.h. mit demselben Einsatz mehr und qualitativ hochwertiger zu produzieren. Mittelständische Unternehmen stehen dadurch massiv unter Druck und müssen reagieren. Da Maschinen immer stärker mit Sensortechnik ausgestattet sind, lässt sich mittlerweile jeder Produktionsschritt genau analysieren und Daten extrahieren. Oftmals fehlt es jedoch an Know-how, durch intelligente Datenverarbeitung die wertvollen industriellen Massendaten zu nutzen. Es geht darum, Auswertungen bzw. Vorhersagen transparent zu gestalten, um die gewonnen Datenerkenntnisse noch besser für die Senkung der Produktionskosten oder die Optimierung der Produktionsstraße einzusetzen.
Derzeit können die Ergebnisse der Algorithmen nur von Machine-Learning-Experten verstanden und interpretiert werden. Damit ist das Zustandekommen eines Ergebnisses für Servicetechniker nicht nachvollziehbar. Diese Nachvollziehbarkeit datengetriebener Vorhersagen ist aber gerade für den Maschinenbau notwendig, um sichere Entscheidungen treffen zu können und kostenintensive Fehlentscheidungen zu vermeiden. DAIKIRI wird daher erstmalig KI-Verfahren entwickeln, die selbsterklärend sind und das Zustandekommen der Ergebnisse von KI automatisch „versprachlichen“ und damit transparent machen.
Forschungsergebnisse bieten Mehrwert für USU-KI-Service Innovationen
Als Innovationsführer für Softwarelösungen im Bereich Servicemanagement bringt USU in das Forschungsprojekt umfassende Fachexpertise und Erfahrungen im Aufbau von Service-Plattformen, KI-Technologien und Maschinen-Datenanalyse ein. Die Erweiterung durch erklärende KI-Verfahren und die Verbalisierung von Ergebnissen liefern hohen Mehrwert für den Service im Maschinen- und Anlagenbau und ergänzen die bestehenden USU-Lösungen in idealer Weise. Damit lassen sich außerdem neue Geschäftsfelder für den Einsatz von Maschine Learning erschließen, z.B. in der Medizintechnik.