TIME4CPS : Ein Software-Framework zur Analyse des zeitlichen Verhaltens von Produktions- und Logistikprozessen

Die Anwendung von Künstlicher Intelligenz ist derzeit ein wesentlicher Innovationstreiber für Produktions- und Logistikprozesse. Es existieren dementsprechend viele Methoden, die zur Analyse der Prozessdaten verwendet werden können. In der Praxis scheitern diese Projekte jedoch häufig, weil eine elementare Information in Produktions- und Logistikprozessen – die Zeit – nicht genutzt wird.

Gerade das Zeitverhalten spiegelt jedoch viele Effekte und Wechselwirkungen wider und steht oft ohne den Einsatz zusätzlicher Sensoren zur Verfügung. Warum wird also dieser kostenlos verfügbare, unsichtbare Sensor Zeit im Rahmen von Optimierungen so wenig genutzt?

Hauptgrund ist, dass Zeitdauern nur zwischen zwei Ereignissen gemessen werden können – und in solchen Systemen sind diese Ereignisse im Allgemeinen nicht definiert. Zwar existieren messbare Ereignisse (z.B. Steuerungssignale oder Zustandsänderungen diskreter Sensoren), aber meist sind gerade die optimierungsrelevanten Ereignisse durch komplexe Muster in kontinuierlichen, untereinander abhängigen und hochdimensionalen Sensorwertverläufen verborgen. Sie sind daher unbekannt und nicht explizit für Optimierungsalgorithmen nutzbar.

Das Projekt Time4CPS zielt daher auf die Entwicklung einer Methodik und einer SW-Plattform, die aus typischen Logistik- und Produktionsdaten relevante Ereignisse automatisch diskretisiert. Diese können anschließend zur Systemüberwachung und Optimierung genutzt werden.