UdZ 02.21

SPECTRUM – APPLIED RESEARCH 80 / UdZ 02.21 nueller Tätigung desMitarbeitenden. Über denRTLS-Sensor konn­ te gemessen werden, wann die Mitarbeitenden eine fest defi­ nierte Arbeitszone betraten bzw. wieder verließen. Um für den Anwendungsfall die bestmögliche Datenfusions­ methode auszuwählen, mussten zunächst potenziell auftretende Fehlerklassen identifiziert werden. Dafür wurden diemorpholo­ gischen Ausprägungen der Datenquellen miteinander kombi­ niert. So konnten im Hinblick auf den Usecase u. a. potenziell große Datenmengen, die fehlendeMöglichkeit zur Anwendung mathematischer Operatoren und unterschiedliche Skalenniveaus als prozesstypische Fehler ausgemacht werden. Basierend auf den analysierten Resistenzen der Datenfusionsmethoden ge­ genüber den gesammelten Fehlerklassen, eigneten sich im RahmendiesesUsecase insbesondere dieMethodenkategorien Entscheidungsregeln , Fuzzylogik und Künstliche Neuronale Netze zur Fusion der erfassten Daten. Die entsprechenden Methoden wurden daraufhin hinsichtlich ihrer Anwendbarkeit geprüft. Da es sich, basierend auf dem Fertigungskonzept bei den Arbeitsgängen an der Laser­ schneidanalage, umsehr viele unterschiedlicheAufträge handelte, wurden Methoden, die eine große Datengrundlage erfordern (z. B. Künstliche Neuronale Netze), ausgeschlossen. Auf dieser Grundlage wurden im genannten Anwendungsfall verschie­ denste Entscheidungsregeln sowie eine Methodik der Fuzzy­ logik implementiert. Figure 2 zeigt eine Auswertung der generierten Daten an­ hand der Datenfusionsmethode, genauer gesagt der Entscheidungsregel, „Roll the Dice“. Dargestellt sind die mit der genannten Methode generierten Start- und Stopp- Zeitpunkte für zehn verschiedene Tage im selben Zeitraum. Darüber hinaus werden die gesamte Auftragsdauer über die categories decision rules, fuzzy logic, and artificial neural networks were particularly suitable for the fusion of the collected data in the context of this usecase. The corresponding methods were then tested with respect to their applicability. Since, based on the manufacturing concept, the operations on the laser cutting system involved a very large number of different jobs, methods requiring a large data base (e.g. artificial neural networks) were excluded. On this basis, a wide variety of decision rules and a fuzzy logic methodology were implemented in the aforementioned use case. Figure 2 shows an evaluation of the generated data using the data fusionmethod, more precisely the decision rule, “Roll the Dice”. Shown are the start and stop times generated using the aforementioned method for ten different days in the same time period. In addition, the total order duration over the ten days as well as mean values and standard deviations of the start and stop times are shown for comparison purposes. Thus, for the aforementioned decision rule, the calculated total job duration is approximately 8 hours and 17 minutes. Depending on the data fusion method used, different order durations or mean values and standard deviations result. The results of the application of further data fusion methods for this use case can be found on the website of the research project 1 . The research project provided users with two options for the actual implementation of data fusion: one option is to step through the process steps of the data fusion applicationmodel using the application guide. An alternative is the free, interactive online tool created as part of this research project, Figure 2: Result of the data fusion (Roll the Dice) Bild 2: Ergebnis der Datenfusion (Roll the Dice) 1 dafuer-tool.fir.de