Falldaten: Fallbasierte Diagnose technischer Systeme
Partner: Fachbereich Informatik, Humboldt-Universität zu Berlin
Förderung: DFG
Laufzeit: 6/93 - 5/96
Das Projekt hat die Entwicklung von Methoden der Künstlichen Intelligenz bei der Auswertung von Falldaten für die Fehlerdiagnose an technischen Systemen (z.B. Werkzeugmaschinen) zum Ziel. Diagnosesysteme gehören zu den aktuellen Untersuchungsthemen der angewandten Künstlichen Intelligenz. Erste Erfahrungen mit regelbasierten Architekturen zeigten vielfach, daß sowohl Aufbau als auch Modifikation der Wissensbasis problematisch sind und zudem besonderes Expertensystem-Know-how erfordern.
In diesem Vorhaben soll untersucht werden, wie Fehlerdiagnose unter Verwendung einer Sammlung von Falldaten erfolgen kann. Falldaten über Fehler und ihre Ursachen sollen durch menschliche Experten rechnerunterstützt erfaßt werden. Eine Diagnose erfolgt dann durch eine Auswertung der Falldaten, z.B. Verallgemeinerung und Vergleich, und erfordert keine regelbasierte Wissenbasis. Die Untersuchungen konzentrieren sich auf Methoden zur strukturierten Repräsentation von Falldaten und auf die Grundlagen fallbasierten Schließens. Als Beispiele dienen Anwendungsprobleme aus dem Bereich der elektromechanischen Geräte.
LKI 
KOGS
Computer Science Department