FAU-Interview über den KTmfk Data-Mining Day

Wie können Maschinen leiser, genauer oder effizienter arbeiten? Die beste Antwort auf die Frage können die Maschinen selbst liefern. Das sagen Forscher der FAU. Sie nutzen das so genannte Data-Mining, bei dem sie riesige Datenmengen auswerten, die die Maschinen über ihre eigenen Funktionen sammeln. Professor Sandro Wartzack vom Lehrstuhl für Konstruktionstechnik (KTmfk) der FAU erklärt, worum es beim Data-Mining und dem KTmfk Data-Mining Day (23. März 2017) geht.

Data-Mining im Produktionsbereich ist ein noch recht junges Verfahren. Was können Sie aus den Datenmengen lernen, die die Maschinen liefern?

Die Überwachung von Maschinen ist kein neues Forschungsgebiet. Sensordaten werden schon seit langem genutzt, um den aktuellen Zustand der Maschinen zu erfassen und um bei Störungen zeitnah zu reagieren. Neu ist allerdings, dass wir auf Basis der Geschichte der Daten das charakteristische Verhalten (Muster) der Maschine ermitteln können, und dadurch prädiktiv den Zustand vorhersehen können. Hierdurch ergeben sich ganz neue Anwendungsgebiete. Beispielsweise „weiß“ eine Windenergieanlage schon vorher, wann sie wahrscheinlich ausfallen wird, das heißt, es wird kostenintensiver Stillstand vermieden, da die Wartung bereits vor der wahrscheinlichen Störung eingeplant und durchgeführt werden kann.

Eines Ihrer Forschungsprojekte zielt darauf ab, Systeme zu entwickeln, die aus den gelieferten Daten selbst Schlüsse ziehen, lernen und daraufhin ihr Verhalten anpassen. Ist künstliche Intelligenz die Zukunft in Werkhallen?

Neue Ansätze brauchen in der Regel in der Produktentwicklung länger, bis sie sich etablieren. Natürlich ist es absehbar, dass in ferner Zukunft die künstliche Intelligenz in den Werkhallen und Entwicklungsabteilungen einzieht. Allerdings verfolgen wir heute noch einen Weg zwischen den Extremen. Dieses Forschungsgebiet wird Design Statistics genannt. Hierbei wird die künstliche Intelligenz genutzt, um die Produktentwickler bei wissensintensiven Tätigkeiten unter die Arme zu greifen. Das bedeutet, dass der Produktentwickler von der künstlichen Intelligenz nicht ersetzt, sondern entlastet wird, um sich auf seine eigentliche Aufgabe, das Produkt zu entwickeln, besser konzentrieren kann. Als Beispiel lässt sich ein selbstlernendes Konstruktionsassistenzsystem aufführen, das an meinem Lehrstuhl entwickelt wird. Ziel ist es, den Produktentwickler bei der fertigungsgerechten Konstruktion von Produkten zu unterstützen. Dabei lernt das Assistenzsystem selbständig anhand der Daten aus den Herstellungsprozessen dazu, wie Produkte am besten zu gestalten sind und wie sich ihre Fertigbarkeit bewerten lässt.

Sie haben Unternehmen aus der Region zum Data-Mining Day an Ihrem Lehrstuhl eingeladen, um über die Anwendung von Data-Mining in der Praxis zu sprechen. Welchen Nutzen kann die Industrie jetzt schon aus diesem Verfahren ziehen?

Im Rahmen des KTmfk Data-Mining Days werden typische Stolpersteine bei der industriellen Umsetzung von Data-Mining-Projekten dargestellt und Wege aufgezeigt, wie sich diese überwinden lassen. So soll gewährleistet werden, dass die wissensbasierte Produktentwicklung von den neuen Methoden der Datenanalyse profitieren kann. Zudem werden innovative wissenschaftliche Erkenntnisse und deren Transfer in die industrielle Praxis vorgestellt und diskutiert. Da Daten als das Öl des 21. Jahrhunderts angesehen werden, sollte sich die Industrie frühzeitig mit dem Thema Datenanalyse befassen. Der Lehrstuhl für Konstruktionstechnik erarbeitet Data-Mining-Lösungen für die Produktentwicklung, um die Unternehmen bei der Integration der neuen Methoden und Werkzeuge zu unterstützen.

Der Data-Mining Day am Lehrstuhl für Konstruktionstechnik der FAU findet am 23. März 2017 statt. Die Anmeldung ist über www.mkf.tf.fau.de/data-mining möglich. Informationen zur Veranstaltung finden Sie ebenso unter: www.mfk.tf.fau.de/data-mining

Mehr Infos:

Prof. Dr.-Ing. Sandro Wartzack
Tel.: 09131/85-27987
wartzack@mfk.fau.de