Gesteigerte Wertschöpfung in modularen Systemen

Fehlerursachenanalyse für Produktionsanlagen

Autor/innen

  • Kaja Balzereit
  • Alexander Meier Fraunhofer IOSB-INA
  • Björn Barig Institut für Mikroelektronik- und Mechatronik-Systeme IMMS

DOI:

https://doi.org/10.17560/atp.v61i8.2418

Schlagworte:

Datengetriebene Fehlerursachenanalyse, Maschinelles Lernen, Cyber-physische Produktionssysteme, Verwaltungsschale, Industrie 4.0

Abstract

Die dynamische Technologieentwicklung sowie die steigende Individualisierung von Produkten stellen neue Anforderungen an moderne Produktionsanlagen. Die Anlagen werden daher modularer gestaltet, sodass sie flexibler agieren können. Dies führt allerdings auch zu einer erhöhten Komplexität der Anlage und somit auch zu einem stark erhöhten Aufwand bei der Identifikation der Ursache von auftretenden Fehlern.  Qualitätseinbußen und Anlagenstillstände treten auf. In diesem Beitrag wird ein Assistenzsystem vorgestellt, das den Anlagenbediener bei der Fehlerursachenanalyse unterstützt.

Literaturhinweise

European Factories of the Future Research Association (EFFRA). (2013). Multi Annual Roadmap for the Contractual PPP under Horizon 2020. Abgerufen von: https://www.effra.eu/factories-future-roadmap

Niggemann, O., Lohweg, V. (2015). On the diagnosis of cyber-physical production systems. In Twenty-Ninth AAAI Conference on Artificial Intelligence.

Niggemann, O., Frey, C. (2015). Data-driven anomaly detection in cyber-physical production systems. at-Automatisierungstechnik, 63(10), (pp. 821-832).

Eickmeyer, J., Bierweiler, T., Labisch, D., Grieb, H., Niggemann, O. (2018). Anomalieerkennung und Symptomgenerierung in Anlagen der Verfahrenstechnik In Tagungsband Automation, 18. Leitkongress der Mess- und Automatisierungstechnik (pp. 599 – 613), Baden Baden, 2018.

Maier, A., Vodencarevic, A., Niggemann, O., Just, R., Jaeger, M. (2011). Anomaly detection in production plants using timed automata. In 8th International Conference on Informatics in Control, Automation and Robotics (ICINCO) (pp. 363-369).

Maier, A. (2014). Online passive learning of timed automata for cyber-physical production systems. In 2014 12th IEEE International Conference on Industrial Informatics (INDIN) (pp. 60-66). IEEE.

Downloads

Veröffentlicht

07.08.2019

Ausgabe

Rubrik

Hauptbeitrag / Peer-Review