Forschungsprojekt KnowGraADe
Orchestra überträgt Produktionsdaten in einen visuellen Wissensgraph zur Anomaliedetektion
Über das Forschungsprojekt KnowGrADe
In der heutigen Zeit ist als produzierendes Unternehmen die Digitalisierung der eigenen Fertigung so wichtig wie nie zuvor. Denn die aufgezeichneten Daten stecken voller Wissen, die das Unternehmen enorm voran bringen können – sofern sie richtig genutzt werden.
An dieser Stelle kommt das von der Bayerischen Forschungsstiftung geförderte Forschungsvorhaben KnowGrADe ins Spiel:
Um den Produktionsbetrieb in Unternehmen zu optimieren, werden im Rahmen des Projekts innovative Softwaremodule entwickelt. Diese Module sollen es ermöglichen, Produktionsdaten aus verschiedenen Quellen und mit unterschiedlichen Formaten flexibel in einen Wissensgraph zu integrieren. Dieser visualisiert die entsprechenden Zusammenhänge und Verknüpfungen aus den Datenquellen.
Parallel zur Erstellung des Graphen wird die Anomaliedetektion durchgeführt, um so Auffälligkeiten oder Abweichungen in den gelieferten Produktionsdaten zu erkennen. Wird eine Anomalie durch die Detektion festgestellt, wird der Wissensgraph herangezogen, um mögliche Zusammenhänge zu identifizieren.
Durch dieses Vorgehen sollen schlussendlich Störungen, Qualitätsprobleme und Ausschuss in der Produktion frühzeitig erkannt und effektiv gelöst werden. Im besten Fall können Probleme so bereits identifiziert werden, bevor sie überhaupt auftreten.
Zusammensetzung des Konsortiums
Um das Forschungsvorhaben, das sich durch einen extrem hohen Praxisbezug auszeichnet, zu realisieren, haben sich folgende Institutionen zusammengeschlossen:
- Fraunhofer IGCV (Projektleitung)
- Berger Holding GmbH & Co. KG
- COSMINO AG
- Hirschvogel Automotive Group GmbH
- soffico GmbH
Weshalb wird ein Wissensgraph für das Projekt benutzt?
Ein Wissensgraph (Knowledge Graph) ist eine strukturierte Datenbank oder ein Netzwerk, das Informationen in Form von vernetzten Entitäten und deren Beziehungen darstellt. Ziel ist es, Wissen zu organisieren und komplexe Zusammenhänge zwischen Daten zu erfassen, die für Menschen und Maschinen leicht zugänglich und interpretierbar sind. Ein Wissensgraph verbindet Datenpunkte, indem er Entitäten (z.B. Personen, Orte, Objekte) und die Beziehungen zwischen diesen Entitäten beschreibt. So können vielschichtige Zusammenhänge und Verbindungen einfach visualisiert und abgebildet werden.
Gerade diese Visualisierung der Daten ist für das Forschungsvorhaben essenziell: Denn so können – im Falle einer auftretenden Anomalie – Zusammenhänge leichter in der grafischen Darstellung identifiziert werden.
Die Rolle von soffico in KnowGrADe
Um alle im Forschungsvorhaben zur Verfügung stehenden Daten in einen Wissensgraph zu integrieren, kommt unsere Low-Code-Datenintegrationsplattform Orchestra zum Einsatz. Orchestra ist als Middleware zur Datenintegration und Datentransformation in der Lage, unterschiedlichste Datenformate zu verarbeiten, zu homogenisieren und somit auch in einem Graphen abzubilden.
Über Orchestra erfolgt im Projekt die Übertragung der Produktionsdaten der Berger Holding GmbH & Co. KG und der Hirschvogel Automotive Group GmbH in eine Graphendatenbank (Neo4J Aura), damit das Fraunhofer (IGCV) anschließend Ursache-Wirkungsanalysen durchführen kann. Diese werden gesteuert durch die Anomalie-Erkennung eines Autoencoders, der Abweichungen in den Prozessdaten erkennen soll.
Die Herausforderung
Die fortschreitende Digitalisierung ermöglicht eine umfassende Datenerfassung in Unternehmen. Diese Daten können eingesetzt werden, um die Produktionsqualität und -effizienz zu verbessern. Doch bislang werden für spezifische Fragestellungen meist spezialisierte Software-Systeme verwendet (zum Beispiel Qualitätsmanagement-Software, Energiemanagement-Systeme). Damit einhergehend erfolgt die Datenspeicherung in systeminhärenten Datensilos. Synergien zwischen unterschiedlichen Systemen und den zugehörigen Daten werden bislang nur unzureichend genutzt.
Dies liegt vor allem am hohen initialen Implementierungsaufwand, den die manuelle Verknüpfung der Datensilos und die Herstellung von kausalen Zusammenhängen zwischen den Anwendungen mit sich bringen. Die Datensilos verursachen zugleich aber auch bei Mitarbeitenden einen hohen Aufwand bei der Informationsbeschaffung, zum Beispiel wenn sie relevante Störungsgründe für Anlagen ermitteln müssen.
Kernziele von KnowGrADe
Im Forschungsprojekt soll eine flexible und leicht erweiterbare Systemarchitektur für einen Wissensgraph entwickelt werden, die es ermöglicht, Informationen und Wissen aus Produktionsdaten abzuleiten und zur Lösung produktionstechnischer Fragestellungen zu nutzen. Dabei werden spezielle Wissensmodelle geschaffen, die Ursachen für Störungen, Qualitätsabweichungen und Ausschuss im Produktionsbetrieb detektieren und gezielt analysieren können.
So sollen Schäden künftig erkannt werden, bevor sie tatsächlich entstehen oder sich auswirken können.
Mithilfe innovativer Softwaremodule soll zudem die einfache Integration neuer Datenquellen sichergestellt werden, sodass die Architektur flexibel auf neue Produktionsanwendungen übertragbar ist.
Diese Lösung bildet die Grundlage, um
Perspektivisch steuernd in den Produktionsprozess eingreifen zu können
Ausschuss zu vermeiden
Energieeffizienzmaßnahmen zu identifizieren
Den CO₂-Fußabdruck eines Bauteils nachvollziehbar auszuweisen
Markus Benndorff
