Entwicklung von Visualisierungskomponenten

Transkript

1 Entwicklung von Visualisierungskomponenten Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht neben der Durchführung verschiedener Assistenzfunktionen wie der Selbstdiagnose oder Selbstoptimierung technischer Systeme die Visualisierung komplexer Prozessabläufe. In diesem Zusammenhang gibt es zahlreiche Möglichkeiten für studentische Arbeiten, angefangen bei der drei-dimensionalen Visualisierung einer Hauptachsentransformation (PCA) über die Anzeige von Optimierungsschritten bis hin zu kontextabhängigen 3-D-Visualisierungen. Die erstellten Visualisierungslösungen sollen in die Software proknows einfließen und u.a. in Demonstratoren der Lemgoer Modellfabrik Verwendung finden. Projektarbeit / SHK

2 Erweiterung eines Konfigurationstools Das Fraunhofer IOSB-INA entwickelt die Software-Lösung proknows (siehe Abbildung), die verschiedene Assistenzfunktionen wie die Selbstdiagnose oder Selbstoptimierung technischer Prozesse ermöglicht. Abbildung: Software-Lösung proknows Diese Software besteht u.a. aus verschiedenen Modulen, Prozessmodellen und Konnektoren zur Datenerfassung, welche vom Benutzer konfiguriert werden müssen. Zu diesem Zweck ist ein Konfigurationseditor in proknows integriert, der nach dem Baukastenprinzip aufgebaut ist. Ein Struktureditor bietet die Möglichkeit, einzel-ne Komponenten auszuwählen, zu entfernen oder hinzuzufügen. Die einzelnen Komponenten können in einem Konfigurations- Panel konfiguriert werden, ggf. mittels eines Default-Panels. Ziel der Arbeit ist die Erweiterung des Konfigurationstools und z.b. die Erstellung neuer komponentenspezifischer Konfigurationspanel. Projektarbeit / SHK

3 Zeitsynchronisation für Datenerfassungsmodule Das Assistenzsystem proknows, das am Fraunhofer Institut in Lemgo entwickelt wird, ermöglicht die Durchführung verschiedener Assistenzfunktionen wie die Selbstdiagnose oder Selbstoptimierung technischer Systeme. Die Datenerfassung erfolgt in proknows über verschiedene Konnektoren, die entweder direkt in das Logikmodul von proknows oder in verteilten Clients integriert sind, die über OPC-UA mit proknows kommunizieren (siehe Abbildung). Abbildung: Datenerfassung in proknows Im letzten Fall tritt die Problematik auf, dass die Systemzeit der einzelnen Host- Rechner in der Regel nicht synchronisiert ist. Dadurch wird es problematisch, Daten der einzelnen Clients bei der Analyse miteinander zu korrelieren. Das Fraunhofer IOSB hat daher hochgenaue Hardware-Lösungen auf Basis des Precision Time Protocol (PTP) IEEE 1588 entwickelt, die es ermöglichen, Datenlogger zeitlich zu synchronisieren. In vielen Fällen reicht aber bereits eine Genauigkeit im ms- oder us-bereich aus, die durch Software-Lösungen realisiert werden kann. Ziel dieser Arbeit ist es, ein Synchronisationsmodul, das nach dem Network Time Protocol (NTP) arbeitet, zu entwickeln. Dieses soll einfach in die proknows-clients integriert werden können. Projektarbeit / Bachelorarbeit / Masterarbeit

4 Prozessmodelle für die Automatisierungstechnik In der Automatisierungstechnik werden Prozessmodelle u.a. dazu verwendet, Prozessabläufe zu prädizieren, Anomalien zu erkennen oder Prozesse automatisch zu optimieren. Dabei ist zu berücksichtigen, dass die zu modellierenden Prozesse in vielen Fällen stochastischen Schwankungen unterworfen und zudem hochgradig nichtlinear sind. Ein etablierter Modellierungsansatz, der sich beispielsweise auch zur Modellierung hochgradig nichtlinearer Sprachsignale durchgesetzt hat, sind sogenannte Hidden Markov Modelle (HMM, siehe Abbildung 1). Abbildung: Hidden Markov Modell (HMM) In HMMs werden versteckte System-Moden als Zustände modelliert (S1, S2, S3). Übergänge zwischen den Zuständen sind durch Transitionswahrscheinlichkeiten charakterisiert. Das kontinuierliche Systemverhalten f(t) innerhalb der einzelnen Moden kann ebenfalls mathematisch beschrieben werden (z.b. durch Gaußmischungsverteilungen, in der Abbildung nicht dargestellt). Eine mögliche studentische Arbeit besteht in der Umsetzung eines Lernverfahrens, das ein Hidden Markov Modell automatisch aus den Prozessdaten der Lemgoer Modellfabrik lernt (Baum-Welch Algorithmus). Eine Alternative ist die Umsetzung von Lernverfahren für State-Charts. In dieser Arbeit sollen existierende Verfahren zum datengetriebenen Lernen endlicher Automaten erweitert werden, so dass eine kompaktere Prozessmodellierung ermöglicht wird. (Projektarbeit, Bachelor) / Master

5 Big Data für Industrie 4.0 Durch die zunehmende Komplexität und Vernetzung industrieller Verarbeitungsprozesse fallen ständig wachsende Datenmengen an. Intelligente Assistenzsysteme können den Menschen unterstützen, diese Daten zu analysieren, Zusammenhänge zu erkennen und daraus Nutzen zu generieren. So ermöglicht es die Software proknows, die am Fraunhofer Institut IOSB-INA entwickelt wird, Prozessmodelle automatisch zu erlernen, Anomalien und Fehler zu erkennen, Selbstoptimierungen durchzuführen und Prozessabläufe zu visualisieren. Die proknows HadoopEngine kann dazu verwendet werden, auf Basis der zentralen Big Data Technologie MapReduce parallelisierbare Algorithmen auf riesigen Datenmengen in einem verteilten Dateisystem durchzuführen. Einsatzfelder sind beispielsweise Lernverfahren für Prozessmodelle, parallele Optimierungen oder Data Mining Verfahren, mit denen Zusammenhänge in den Daten gesucht werden. Ziel der ausgeschriebenen Arbeit ist die Erweiterung der proknows HadoopEngine um Algorithmen, die es beispielsweise ermöglichen, Prozessmodelle verteilt zu lernen. Dabei kann auf existierende Algorithmen aufgesetzt werden, die bereits auf kleineren Datenmengen erprobt sind. Projektarbeit / Bachelorarbeit / Masterarbeit

6 Hardware-Unterstützung für die Prozessanalyse Die Software proknows, die am Fraunhofer IOSB-INA in Lemgo entwickelt wird, ermöglicht die automatische Analyse komplexer industrieller Prozesse. Dabei werden u.a. stochastische Verfahren zur Fehlerdetektion eingesetzt. Dies erfordert in der Regel Approximationen, da hochgenaue Verfahren entsprechend rechenintensiv sind. Hardwareunterstützung ermöglicht jedoch eine Reduktion der Rechenzeit und damit eine präzisere Prozessanalyse. Im Rahmen der ausgeschriebenen studentischen Arbeit sollen rechenintensive Verfahren auf GPUs bzw. FPGAs realisiert werden. Projektarbeit / Bachelorarbeit / Masterarbeit