CC-KING - Kompetenzzentrum für KI-Engineering
Ausgangssituation
Die Firma EKS InTec GmbH ist im Bereich der virtuellen Inbetriebnahme von einfachen bis komplexen Produktionsanlagen und Sondermaschinen tätig. Sie entwickelt digitale Zwillinge als Ersatzmodelle, um das Verhalten von Produktionskomponenten in simulierten Produktionslinien nachzubilden. Bei real existierenden Komponenten, kann sich der Digitale Zwilling auf das Verhalten der realen Komponente verlassen. Wenn diese nicht vorhanden ist, muss das jeweilige Verhaltensmodell der Komponente von virtuellen Inbetriebnehmer*innen oder Simulationsexpert*innen manuell erstellt werden. Normalerweise geschieht dies auf Basis von historisch aufgezeichneten Signaldaten, der Dokumentation der Komponente und mittels Reverse Engineering. Der Aufwand kann dementsprechend schnell hoch und das Vorhaben komplex werden.
Problemstellung
Moderne Komponenten stellen teilweise bereits ein „Blackbox“-Verhaltensmodell bereit. In bestehenden Anlagen existieren allerdings weiterhin viele „Brownfield“-Komponenten: Hier fehlen digitale Verhaltensmodelle und müssen unter manuellem Aufwand in den Digitalen Zwilling integriert werden. Bei diesem QuickCheck soll untersucht werden, inwiefern eine KI solch ein Verhalten basierend auf historischen Daten lernen und Simulationsingenieur*innen beim Reverse Engineering unterstützen kann.
Lösungsansatz
Zur Lösung der Problemstellung wurde auf das Erstellen von Transitionsmatrizen und das Lernen von Zustandsautomaten zurückgegriffen. Ziel war zu erkennen, wie viele und welche Zustände in der Komponente vorhanden sind. Zudem sollte hierüber dargestellt werden, welche Transitionen, also Wechsel von einem Zustand in einen anderen, in der Komponente vorkommen. Außerdem wurde die Wahrscheinlichkeit für einen Wechsel berechnet.
Quick-Check-Ergebnisse
Die QuickCheck Ergebnisse haben gezeigt, dass es durch die Beschreibung einer Komponente in Form eines Zustandsautomaten möglich ist, schnell einen Überblick über das gesamte Verhalten der Komponente zu erhalten. Zudem konnte in Form von Heatmaps beschrieben werden, wie sich die Ein- zu den Ausgangssignalen der Komponente verhalten. Zusammengefasst bieten die Ergebnisse des QuickChecks einen möglichen Einstieg dazu, wie eine KI Expert*innen beim Reverse Engineering von Komponenten-Verhaltensmodellen unterstützen kann.