TY  - THES
A3  - Kleine Büning, Hans
A3  - Niggemann, Oliver
A3  - Kalech, Meir
AB  - Aufgrund zunehmender Vernetzung von Automatisierungsgeräten und der steigenden Rechenleistung von Cyber-Physical Systems werden Produktionsanlagen immer komplexer. Dies führt zu einer steigenden Fehleranfälligkeit und damit zu einer erschwerten Diagnose. Die Aufgabe des Menschen wandelt sich vom Bedienen zum Überwachen. Allerdings werden die Bediener auch mit der Überwachung zunehmend überfordert. Zur Unterstützung des Bedieners werden Ansätze aus dem Bereich der Modellbasierten Diagnose genutzt. Dabei wird ein (häufig manuell erstelltes) Modell verwendet um das Verhalten der Anlage zu prognostizieren. Diese Prognose wird mit dem realen Verhalten verglichen und bei einer Abweichung ein Fehler gemeldet. Die manuelle Erstellung der Modelle ist jedoch zeitintensiv. Demnach ist eine automatische Modellerstellung wünschenswert. In dieser Arbeit werden drei neue Algorithmen eingeführt, von denen zwei Algorithmen sich mit dem Lernen von temporalen endlichen Automaten befassen und der dritte die gelernten Automaten zur Anomalie-Erkennung verwendet: Zuerst wird der Algorithmus BUTLA eingeführt, der schneller ausgeführt wird als andere Algorithmen. Es ist ein Offline-Lernalgorithmus, der auf Daten in einer Datenbank zugreift und eine Vorverarbeitung verwendet. Dann wird der Algorithmus OTALA eingeführt, der nach unserem besten Wissen der erste passive Online-Lernalgorithmus für temporale endliche Automaten ist. Einer seiner Vorteile ist die automatische Konvergenz-Erkennung. Daher ist dieser Algorithmus speziell für die Verwendung in autonom laufenden Geräten geeignet. Schließlich wird der Anomalie-Erkennungsalgorithmus ANODA eingeführt. Er nutzt die identifizierten temporalen endlichen Automaten zur Anomalie-Erkennung. Die eingeführten Algorithmen werden theoretisch untersucht und empirisch ausgewertet.
AU  - Maier, Alexander
DA  - 2015
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 10.02.2015
N1  - Paderborn, Univ., Diss., 2015
PB  - Veröffentlichungen der Universität
PY  - 2015
T2  - Institut für Informatik
TI  - Identification of timed behavior models for diagnosis in production systems
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-15553
Y2  - 2026-02-19T17:57:16
ER  -