Data-Mining Day

In der industriellen Fertigung spielt Geschwindigkeit eine große Rolle. So werden u.a. Werkzeugmaschinen immer weiter optimiert, um Stand- und Ausfallzeiten zu minimieren. Im Zuge der Digitalisierung bei Schaeffler wurde ein intelligenter Produktionsassistent für Werkzeugmaschinen entwickelt, der solche OEE-Steigerungen an Maschinen erlaubt. Durch eine ontologisch erweiterte Architektur, konnte ein selbstlernendes KI-Konzept mit hoher Übertragbarkeit umgesetzt werden. Auf Basis von Sensordaten ist es so möglich, dynamisch verschleißende Komponenten zu überwachen und Handlungsempfehlungen an der Maschine auszugeben.

Die Ontologie ist eine explizite formale Spezifikation einer gemeinsamen Konzeptualisierung. Das heißt sie beschreibt Wissen formal durch die Nutzung einer standardisierenden Terminologie und Beziehungen sowie Regeln zwischen den Begriffen. Die Vermittlung von Wissen in natürlicher Sprache (Text) hingegen ist häufig implizit, sehr vage und widersprüchlich. Text-Mining als Analyseverfahren kann dabei helfen die Lücke zwischen formalisierter Semantik (Ontologie) und menschlicher Sprache zu schließen, sodass ausdrucksstarke Wissensrepräsentationen entstehen, die Mensch und Maschine gleichermaßen lesen und verstehen können.

Im Rahmen der Digitalen Revolution wandelt sich die nutzerzentrierte, virtuelle Produktentwicklung hin zu digitalen. Damit einhergehend wandelt sich das Rollen- und Prozessverständnis. Herkömmliche Produktbeschreibungen (CAD-Modelle) sind für den menschlichen Produktentwickler konzipiert. Sie sind für maschinelle, automatisierte Prozesse nicht geeignet. Es fehlt einerseits an Schnittstellen und Normen zur Auswertung der Daten. Andererseits können die Produktbeschreibungen nicht performant genug ausgelesen werden, um in der digitalen Produktentwicklung Schritt zu halten. Daher untersucht der Lehrstuhl für Konstruktionstechnik im Bereich Assistenzsysteme die Frage, wie ein Produktmodell für die digitale Produktentwicklung konzipiert sein muss. Eine Antwort stellt der Ansatz SeED (Semantic integration for engineering design) dar. Dessen Konzept wird in diesem Vortag vorgestellt.

Im Hinblick auf die Einsparung von Energie sind Produktentwickler heutzutage vermehrt am Einsatz von Leichbauteilen interessiert, was folglich zur Erforschung und Entwicklung von neuen Fertigungstechnologien führt. Zur Beurteilung der Fertigungsgerechtheit ihrer Entwürfe sind Produktentwickler in diesem Kontext auf Fertigungswissen angewiesen. Neue Fertigungstechnologien haben allerdings weder Experten noch Fertigungsrichtlinien. Um Produktentwicklern frühzeitig die notwendige Unterstützung bei der fertigungsgerechten Gestaltung von Leichbauteilen bereitzustellen, wurde das selbstlernende Konstruktionsassistenzsystem SLASSY entwickelt. Das Assistenzsystem kann selbstständig Fertigungswissen aus numerischen und experimentellen Versuchsdaten mithilfe der Methoden des Data-Minings erheben und den Produktentwicklern für eine Bauteilanalyse zur Verfügung stellen.

Waren produktbezogene Daten früher häufig nur schwer zu erheben, aufzubereiten und auszuwerten, bieten aktuelle Entwicklungen im Bereich der Digitalisierung, der „Sensorisierung“ von Produkten und Prozessen in Kombination mit den Methoden und Werkzeugen der KI neue, vielversprechende Lösungsansätze an. In dem Vortrag werden Herausforderungen, Lösungsansätze und ausgewählte Ergebnisse aus abgeschlossenen und laufenden Projekten aus dem Bereich der datengetriebene Produktentwicklung vorgestellt und diskutiert.