Top

Published in:

2021 | OriginalPaper | Chapter

10. Digitalisierungspotenziale der Instandhaltung 4.0 – Von der Aufbereitung binärer Daten zum Einsatz transparenter künstlicher Intelligenz

Authors : Jonas Wanner, Lukas-Valentin Herm, Christian Janiesch

Published in: IoT – Best Practices

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Ein Kernbereich der von digitalen Informationen entscheidend profitieren kann ist die Instandhaltung von Maschinen. Sie dient der Gewährleistung eines reibungslosen Fertigungsablaufs. Mithilfe von Verfahren der Datenanalyse sollen hierfür künftig Maschinenzustandsdaten ausgewertet werden. Fraglich bleibt die aktuelle Beschaffenheit von Fertigungsanlagen im deutschen, produzierenden Mittelstand. Wie eine Umfrage zeigt, stammen Zustandsdaten noch immer überwiegend von Lichtschranken, Positionierungstastern und Motorspannungen. Binäre Datenwerte erschweren datenbasierte Auswertungsverfahren jedoch. Der Beitrag nimmt sich der Problemstellung an. Gemeinsam mit Partnern aus der Industrie wurde ein schrittweiser Entwicklungsansatz erarbeitet, wie trotz dieser Datenrestriktion eine umfassende Unterstützung möglich wird. Die Umsetzung basiert auf Techniken aus den Bereichen Process Mining und erklärbare künstliche Intelligenz. Ein Demonstrator evaluiert die Praxistauglichkeit.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

previous chapter Konzeption und Realisierung eines Produktionssystems für die modulare Fertigung in der Automobilindustrie

next chapter Automatisierung von Geschäftsprozessen im Maschinen- und Anlagenbau – Fallstudie zu Predictive Maintenance

van der Aalst W, Adriansyah A, De Medeiros AKA, Arcieri F, Baier T, Blickle T, Bose JC, Van Den Brand P, Brandtjen R, Buijs J (2011) Process mining manifesto. In: International conference on business process management. Berlin/Heidelberg, S 169–194

Andaloussi AA, Burattin A, Weber B (2018) Toward an automated labeling of event log attributes. Enterprise, business-process and information systems modeling. Springer, Cham, S 82–96

Bayomie D, Helal IM, Awad A, Ezat E, ElBastawissi A (2016) Deducing case IDs for unlabeled event logs. In: Reichert M, Reijers HA (Hrsg) BPM 2015, Bd 256. Springer, Cham, S 242–254

Bose RJC, Mans RS, van der Aalst WM (2013) Wanna improve process mining results? 2013 IEEE symposium on computational intelligence and data mining (CIDM). Singapore, S 127–134

Dam HK, Tran T, Ghose A (2018) Explainable software analytics. In: Proceedings of the 40th international conference on software engineering: new ideas and emerging results. Gothenburg, S 53–56

Delen D (2015) Real-world data mining: applied business analytics and decision making. Pearson Eduction, Upper Saddle River

Delen D, Demirkan H (2013) Data, information and analytics as services. Decis Support Syst 55:359–363CrossRef

DIN (2003) DIN 31051:2003-06: Grundlagen der Instandhaltung. DIN Deutsches Institut für Normung e.V., Berlin

Ferreira D, Zacarias M, Malheiros M, Ferreira P (2007) Approaching process mining with sequence clustering: experiments and findings. In: Alonso G, Dadam P, Rosemann M (Hrsg) BPM 2007, Bd 4714. Springer, Heidelberg, S 360–374

Ferreira DR, Gillblad D (2009) Discovering process models from unlabelled event logs. In: Dayal U, Eder J, Koehler J, Reijers HA (Hrsg) BPM 2009, Bd 5701. Springer, Heidelberg, S 143–158

Goodfellow I, Bengio Y, Courville A (2016) Deep learning. MIT Press, Cambridge, MAMATH

Goodman B, Flaxman S (2017) European Union regulations on algorithmic decision-making and a „right to explanation“. AI Mag 38(3):50–57

Gunning D (2017) Explainable artificial intelligence (xai). Defense Advanced Research Projects Agency (DARPA), nd Web 2

Halaška, M, Šperka, R (2018) Process mining–the enhancement of elements industry 4.0. In: 2018 4th international conference on computer and information sciences (ICCOINS). Stockholm, S 1–6

He QP, Wang J (2018) Statistics pattern analysis: a statistical process monitoring tool for smart manufacturing. Comput Aided Chem Eng 44:2071–2076CrossRef

Heinrich K, Zschech P, Janiesch C, Bonin M (2020) Ein Vergleich aktueller Deep-Learning-Architekturen zur Prognose von Prozessverhalten. 15. Internationale Tagung Wirtschaftsinformatik (WI), Potsdam

Hermann M, Pentek T, Otto B (2016) Design principles for industrie 4.0 scenarios. In: 2016 49th Hawaii international conference on system sciences (HICSS). Koloa, S 3928–3937

Kober J, Bagnell JA, Peters J (2013) Reinforcement learning in robotics: a survey. Int J Robot Res 32(11):1238–1274CrossRef

Kotsiantis SB, Zaharakis I, Pintelas P (2007) Supervised machine learning: a review of classification techniques. Informatica 31(3):249–268MathSciNet

Marsland S (2011) Machine learning: an algorithmic perspective. Taylor & Francis, New YorkCrossRef

Peffers K, Tuunanen T, Niehaves B (2018) Design science research genres: introduction to the special issue on exemplars and criteria for applicable design science research. Eur J Inf Syst 27(2):129–139CrossRef

Redding G, Dumas M, Ter Hofstede AH, Iordachescu A (2008) Transforming object-oriented models to process-oriented models. In: ter Hofstede AHM, Benatallah B, Paik H-Y (Hrsg) BPM Workshops 2007, Bd 4928. LNCS, Heidelberg, S 132–143

Saul LK, Roweis ST (2003) Think globally, fit locally: unsupervised learning of low dimensional manifolds. J Mach Learn Res 4:119–155MathSciNetMATH

Suriadi S, Andrews R, ter Hofstede AH, Wynn MT (2017) Event log imperfection patterns for process mining: towards a systematic approach to cleaning event logs. Inf Syst 64:132–150CrossRef

Swartout WR (1983) XPLAIN: a system for creating and explaining expert consulting programs. Artif Intell 21(3):285–325CrossRef

Vara B (2018) 2018 maintenance survey: playing offense and defense. https://www.plantengineering.com/articles/2018-maintenance-survey-playing-offense-and-defense/. Zugegriffen am 30.06.2019

Walicki M, Ferreira DR (2011) Sequence partitioning for process mining with unlabeled event logs. Data Knowl Eng 70(10):821–841CrossRef

Wang G, Gunasekaran A, Ngai EW, Papadopoulos T (2016) Big data analytics in logistics and supply chain management: certain investigations for research and applications. Int J Prod Econ 176:98–110CrossRef

Wang S, Chaovalitwongse W, Babuska R (2012) Machine learning algorithms in bipedal robot control. IEEE Trans Syst Man Cybern Part C 42(5):728–743CrossRef

Wang Z, Gao J, Chen R, Wang J (2018) A modified KNN algorithm for activity recognition in smart home. In: International congress of economics and business, vol 96, Guilin

Wanner J, Herm L-V, Janiesch C (2020) How much is the black box? The value of explainability inf machine learning models. In: 28th European conference on information systems (ECIS). AIS, Marrakesh

Webster J, Watson R (2002) Analyzing the past to prepare for the future: writing a literature review. Manag Inf Syst Q 26(2):xiii–xxiii

Yang H, Park M, Cho M, Song M, Kim S (2014) A system architecture for manufacturing process analysis based on big data and process mining techniques. In: 2014 IEEE international conference on big data (Big Data). Washington DC, S 1024–1029

Title: Digitalisierungspotenziale der Instandhaltung 4.0 – Von der Aufbereitung binärer Daten zum Einsatz transparenter künstlicher Intelligenz
Authors: Jonas Wanner
Lukas-Valentin Herm
Christian Janiesch
Publisher: Springer Fachmedien Wiesbaden
Book: IoT – Best Practices
Print ISBN: 978-3-658-32438-4

Electronic ISBN: 978-3-658-32439-1

Copyright Year: 2021
DOI: https://doi.org/10.1007/978-3-658-32439-1_10

Springer Professional

Zusammenfassung

Please log in to get access to your license.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner