5 2018 | moproweb.de 17
Über ein kooperatives Dialogsystem können Mensch und Maschine voneinander
lernen (Foto: Fraunhofer IVV Dresden)
Anzeige
sung des Problems zu finden. Aus diesem
Grund werden am Fraunhofer IVV Dresden
gemeinsam mit Partnern aus Industrie und
Forschung derzeit verschiedene Ansätze
verfolgt um selbstlernende Assistenzsysteme
zu entwickeln, die dem Maschinenbediener
bei der Problemlösung aktiv unterstützen
und Hinweise geben, jedoch nicht aktiv
in die Anlage eingreifen.
Kooperatives Dialogsystem
Mensch-Maschine
Neben einer intuitiven Ein- und Ausgabe
ist die Störungszuordnung von großer Bedeutung
im System. Der Schwerpunkt liegt
hierbei in der Erkennung von Störungen,
welche nicht vollautomatisch durch die
integrierte Anlagensensorik identifiziert
werden. Insbesondere bei diesen Störungen
ist das menschliche Erfahrungswissen
von großer Bedeutung. Demnach muss das
System befähigt werden, aktuelle Störungen
richtig zu interpretieren und vergangen
Situationen automatisch zuzuordnen.
Hierzu wird ein kooperatives Dialogsystem
entwickelt. Durch die Schaffung einer
gemeinsamen Repräsentation der Lage im
Dialog sollen Mensch und Maschine voneinander
lernen (Case Based Reasoner). Durch
Berücksichtigung von Gesprächs- und Interviewstrategien
wird das Assistenzsystem
befähigt, situationsangepasste sinnvolle
Fragen zu stellen und Antworten zu
formulieren. In der Interaktion mit dem
Bediener wachsen das dafür notwendige
Vokabular und das Wissen zu kausalen Zusammenhängen.
Darauf aufbauend ist das
Assistenzsystem in der Lage aus den Fragen
und Antworten des Bedieners möglicherweise
relevante Störungsursachen
(Cases) auszuwählen und zu präsentieren.
Mit weiterführenden Fragen wird anschließend
die Anzahl möglicher Lösungen weiter
reduziert oder bei Bedarf auch wieder erhöht,
wenn sich Vorschläge als unpassend
erwiesen. Die abgelegten Cases werden mit
Anlagendaten angereichert und semantisch
verknüpft, so dass zusätzliche Kriterien
zur Auswahl der Cases vorhanden sind.
Das kooperative Dialogsystem wird parallel
dazu mit einer Analyse der Schaltmuster
der Anlagensensorik unterstützt.
Es wird davon ausgegangen, dass unterschiedliche
Störungen zu spezifischen
Anomalien in den Schaltmustern führen.
Durch den Einsatz von Algorithmen des
maschinellen Lernens werden diese Muster
in stochastischer Beziehung zu den
Zuständen gebracht. Die dafür notwendige
vorgelagerte Extraktion relevanter
Merkmale erfordert nach aktuellem
Stand jedoch sehr viel Expertenwissen zur
Vollständige IT-Integration statt Insellösungen
SOPRA steht seit über 30 Jahren für die Integration individueller und ausgereifter
IT-Lösungen. Profi tieren auch Sie von unserem Know-how in der
Nahrungs- und Genussmittelbranche, unseren innovativen Softwareprodukten
und anwenderfreundlichen ERP-Lösungen.
Erleben Sie unsere fl exible und effi ziente IT-Komplettlösung!
Wir beraten Sie gerne.
Telefon: +49.89.96 10 04-0
Telefax: +49.89.96 10 04-96
E-Mail: info@sopra-gmbh.de
Internet: www.sopra-gmbh.de
SOPRA
EDV-Informationssysteme GmbH
Mühlenstraße 1
D-85737 Ismaning