Prof. Dr.-Ing. Klaus Schreiner Diagnose von komplexen Maschinen am Beispiel des Turbo-Diesel-Motors von VW Prof. Dr.-Ing. Klaus Schreiner FH Konstanz • Fachbereich Maschinenbau MK • Brauneggerstraße 55 • 78462 Konstanz Fon: 07531-206-307 • Fax: 07531-206-305 E-Mail: schreiner@fh-konstanz.de • Web: www.klaus-schreiner.de ? !

Diagnose Problemstellung Moderne Maschinen und Anlagen sind teilweise sehr komplex und schwer zu diagnostizieren Im Servicefall (zustandsorientierte Wartung oder Fehlersuche bei Störungen) wird für die Diagnose ein umfassendes Wissen benötigt Das Wissen ist oft auf mehrere Personen, die nicht alle verfügbar sind, verteilt Reiseberichte werden angefertigt, oft aber nicht systematisch ausgewertet und archiviert In vielen Industriefirmen ist ein großes Potenzial für eine Optimierung der Serviceaktivitäten vorhanden

Wie kann man Wissen struktu-rieren? Regelbasierte Diagnose (Fehlerbaum) Bewährte Methode bei einfachen Maschinen Einfache Darstellung Allgemeine Gesetzmäßigkeiten werden verwendet if-then-Abfragen Gute Erklärungsfähigkeit, Argumentationskette FMEA als Grundlage Sehr umfangreich bei komplexen Zusammenhängen Schwierig zu warten (Es besteht die Gefahr, dass unbeabsichtigt Widersprüche eingebaut werden)

Wie kann man Wissen struktu-rieren? Modellbasierte Diagnose (Simulation) Umfassende Beschreibung der Maschine durch ein physikalisches Modell Vergleich der aktuellen Messwerte und Beobachtungen mit den berechneten Werten: Rückschluss auf den Maschinenzustand Man muss alles verstehen Modelle für komplexe Maschinen werden sehr kompliziert Hohe Anforderungen an die Com-puter-Hardware (Rechenleistung) Problem bei unvollständigem Wissen Viele Produkte funktionieren, obwohl man sie nicht simulieren kann

Wie denkt ein Mensch?

Wie denkt ein Mensch? Denken in Fällen Gab es schon einmal einen ähnlichen (relevanten) Fall? Wie wurde damals das Problem gelöst? Wissen wird nicht regelbasiert, sondern fallbasiert gespeichert Die Methode ist sehr intuitiv Die Methode ist lernfähig Es werden keine allgemeinen Gesetzmäßigkeiten, sondern die Ähnlichkeit von Fällen verwendet Beispiel: Rechtsprechung, Medizin

Fallbasierte Diagnose (Case Based Reasoning CBR) Ähnliche Probleme haben ähnliche Lösungen Fälle (Problem- bzw. Situationsbeschreibungen) werden durch Attribute (Kriterien) und deren Werte (Eigenschaften) beschrieben Vergleich der Wertekonstellation des aktuellen Falles mit ähnlichen Fällen Ähnlichste Fälle und deren Lösungen dienen als Grundlage für den aktuellen Fall Der Begriff „Ähnlichkeit“ muss für unterschied-liche Eingaben unterschiedlich definiert werden (numerische Werte, Auswahlliste für symbolische Werte, frei eingebbarer Text, ...)

Der CBR-Zyklus neuer Fall ähnlicher Fall neuer Fall ? ! neuer Fall ähnlicher Fall neuer Re-ferenzfall Fallbasis Lösungs-vorschlag Problem-Lösung

Der CBR-Zyklus retrieve reuse retain revise neuer Fall ähnlicher Fall ? ! neuer Fall ähnlicher Fall neuer Re-ferenzfall reuse Fallbasis retain Lösungs-vorschlag revise Problem-Lösung

Vor- und Nachteile von CBR Learning by doing CBR „denkt“ wie ein Mensch Die Fallbasis ist eine Datenbank, die intelligent durchsucht wird Die Fallbasis (Wissensbasis) ist problemlos erweiterbar CBR kann auch mit unvollständigen Fallbeschreibungen Ergebnisse liefern (Man muss nicht jede Frage eines Fehlerbaums beantworten) Zusammenhänge, die zunächst nicht logisch sind, können aufgedeckt werden (Data-Mining) ? ! CBR enthält keine interne Logik Regeln, die bekannt sind, können (von einfacher CBR-Software) nicht berücksichtigt werden

Datenbanken für umfangreiches Wissen CBR-Software Datenbanken für umfangreiches Wissen CBR-Software: Mehrere Softwareprodukte Grundlage: Datenbank (MS-Access oder MS-Excel) Intelligente Datenbankabfragen Kaidara Advisor (Acknosoft Javakate) ist weltweit führend im Bereich der technischen Diagnose (Anwender: DaimlerChrysler, British Airways, Aérospatiale, Hewlett Packard, ...) Alternative Einsatzgebiete: Medizin, Kundenberatung, Produktauswahl

CBR-Software Kaidara Advisor Entwicklungsoberfläche und Anwendungsoberfläche Kann auch Fehlerbäume generieren Gewichtung vorgebbar Similiarities (Ähnlichkeiten) sind möglich Relationships (Querverweise) sind möglich Mehrsprachigkeit Hyperlinks (Bilder, Dokumentation) sind möglich Oberfläche als JSP (eigener Server, Web-geeignet) Oberfläche mit CSS-Files frei definierbar

Beispiel: TDI-Motor des VW Golf Vorgehensweise Attribute zur Beschreibung von Fällen festlegen Werte hierfür festlegen Datenmodell (Domain Model) erstellen Fälle bilden und in Datenbank aufnehmen

Beispiel: TDI-Motor des VW Golf Domain Model Symptome Startverhalten Laufverhalten Einspritzanlage Abgasanlage Turbolader Kühlsystem Ölkreislauf Elektrische Anlage Fehlerkennzahl Infos Kilometerstand Motortemperatur Außentemperatur Wann tritt das Problem auf Wie oft tritt das Problem auf Motorinfos Fertigungsjahr Motorkennbuchstabe

Beispiel: TDI-Motor des VW Golf Domain Model Symptome Startverhalten Laufverhalten Einspritzanlage Abgasanlage Turbolader Kühlsystem Ölkreislauf Elektrische Anlage Fehlerkennzahl Infos Kilometerstand Motortemperatur Außentemperatur Wann tritt das Problem auf Wie oft tritt das Problem auf Motorinfos Fertigungsjahr Motorkennbuchstabe Motor dreht nicht Motor dreht, zündet aber nicht Motor springt kurz an und geht wieder aus Motor springt schlecht an Blaurauch beim Start Schwarzrauch beim Start

Beispiel: TDI-Motor des VW Golf Domain Model Symptome Startverhalten Laufverhalten Einspritzanlage Abgasanlage Turbolader Kühlsystem Ölkreislauf Elektrische Anlage Fehlerkennzahl Infos Kilometerstand Motortemperatur Außentemperatur Wann tritt das Problem auf Wie oft tritt das Problem auf Motorinfos Fertigungsjahr Motorkennbuchstabe im Stand während der Fahrt im Leerlauf im Warmlauf im unteren Drehzahlbereich im gesamten Drehzahlbereich

Beispiel: TDI-Motor des VW Golf Fallbasis 531 Fälle Aktuelle Fälle fehlen (Werkstatt führt keine Statistik) Reparaturanleitungen Fehlertabelle des V.A.G.-Reparaturleitfadens Einbindung von Dokumentationen über Hyperlinks

Zusammen-fassung Zusammenfassung CBR mit dem Programm Kaidara Advisor ist eine geeignete Methode, um komplexe technische Produkte zu diagnostizieren (nicht nur Motoren) CBR ist lernfähig, indem neues Service-Wissen (z.B. Reiseberichte) in Form von Fällen abgefasst und von Experten bewertet wird Die FH Konstanz hat Interesse daran, Projekte in Zusammenarbeit mit Industriefirmen durchzuführen Das Diagnoseprogramm kann im Labor für Verbrennungsmotoren getestet werden ? !

Literatur-verzeichnis Literaturverzeichnis zu CBR Heß, Heiko: Fallbasierte Diagnose am Beispiel des 1,9-l-TDI-PD-Motors von VW Diplomarbeit FH Konstanz 2001 Lenz, Mario et al.: Case-Based Reasoning Technology Springer-Verlag 1998 Bergmann, Ralph et al.: Developing Industrial Case-Based Reasoning Applications Springer-Verlag 1998 Beierle, Christoph; Kern-Isberner, Gabriele: Methoden wissensbasierter Systeme Vieweg-Verlag 2000 Görz, Günther et al.: Handbuch der künstlichen Intelligenz Oldenbourg-Verlag 2000 ? !