Forschungsprojekt

AGATA - AGATA: Analyse großer Datenmengen in Verarbeitungsprozessen

Ziel des AGATA-Projektes ist es, intelligente Assistenzsysteme fĂŒr industrielle und landwirtschaftliche Verarbeitungsprozesse zu entwickeln. Die zunehmende KomplexitĂ€t von Verarbeitungsprozessen und des stĂ€ndig wachsenden Datenaufkommens fĂŒhrt 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 prĂ€sentiert 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/ErklĂ€rung beobachteter Anomalien. Dabei werden Strukturen und ZusammenhĂ€nge 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, ĂŒber 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 fĂŒr Praxistests bei landwirtschaftlichen Anwendungen und zur Prozessanalyse zur VerfĂŒgung.

Das Projekt AGATA wird gefördert durch das Bundesministerium fĂŒr Bildung und Forschung (BMBF) unter dem Förderkennzeichen 01IS14008F.

Kontakt

Ansprechpartner: Dr. Ansgar Bernardi
Projektleitung: Dr. Ansgar Bernardi

Beteiligte Forschungsbereiche

Publikationen

  • 2016
  • Ying Gu; Ansgar Bernardi; Thilo Steckel; Alexander Maier
    Anomaly Detection in Sensor Data provided by Combine Harvesters.
    In: INDIN-2016 - 14th International Conference on Industrial Informatics. IEEE International Conference on Industrial Informatics, Special Session #30 - Big Data, Advanced Analytics, and Knowledge Management in Manufacturing Ecosystems, located at INDIN-2016 - 14th International Conference on Industrial Informatics, July 19-21, Poitiers, France, IEEE, 2016.
  • 2015
  • Stefan Windmann; Alexander Maier; Oliver Niggemann; Christian Frey; Ansgar Bernardi; Ying Gu; Holger Pfrommer; Thilo Steckel; Michael KrĂŒger; Robert Kraus
    Big Data Analysis of Manufacturing Processes.
    In: Journal of Physics: Conference Series (IOPscience), Vol. 659, No. 1, Page 012055, Published under licence by IOP Publishing Ltd, 11/2015.