SEAMLESS International

Im Dezember konnten spannende neue Projektergebnisse auf der IEEE International Conference on Machine Learning and Applications (ICMLA) in Nassau, auf den Bahamas, verbreitet werden. Projektmitarbeiter Chenwei Sun vom FZI Forschungszentrum Informatik stellte seine Arbeit Unsupervised Anomaly Detection and Root Cause Analysis for an Industrial Press Machine based on Skip-Connected Autoencoder vor.

In dem Paper ging es um die Entwicklung eines KI-Modells zur Realisierung eines Condition Monitoring Ansatzes für den SEAMLESS Anwendungsfall Dieffenbacher. Das Modell analysiert dabei eingehende Ventildruckdaten der Maschine auf Anomalien. Wird eine Anomalie entdeckt, erfolgt eine Bewertung und gegebenenfalls eine Root Cause Analyse. Mit diesen Informationen kann dann ein AR-gestützter Wartungsservice zur Instandsetzung der Maschine angestoßen werden. Das Paper ist unter Veröffentlichungen einsehbar.