Im Teilprojekt A2 werden die Grundlagen der verhaltensorientierten Selbstoptimierung entwickelt. In der 1. FP wurden Explorationsstrategien verteilter Systeme untersucht und in der 2. FP Planungsmethoden konzipiert. In der 3. FP wird das kognitive System um die Fähigkeiten erweitert, langfristige Wirkungen in die Entscheidungsfindung einzubeziehen und mögliche Systemziele situationsabhängig in Beziehung zu setzen. Die Verfahren von TP A1 und A2 werden als Wirkmuster dem Entwurfsprozess zur Verfügung gestellt.
Aufgabe des Teilprojekt A2 ist die Entwicklung verhaltensorientierter Verfahren zur Durchführung der drei Schritte der Selbstoptimierung (Situationsanalyse, Zielbestimmung, Verhaltensanpassung). Verhaltensorientiert bedeutet in diesem Zusammenhang, dass die Verfahren auf Input/Outputmodellen basieren und auf eine explizite Modellierung der inneren Funktionszusammenhänge (im Weiteren als analytisches Modell bezeichnet) verzichten können. Weiterhin sollen die in den A-Projekten entwickelten Verfahren für den Konzipierungsprozess (TP B2) aufbereitet und zugänglich gemacht werden. Der Ansatz von TP A2 ermöglicht es, auch solche Probleme zu bewältigen, die sich nur schwierig in Form einer expliziten Modellierung der inneren Wirkzusammenhänge fassen lassen oder bei denen das „Durchrechnen“ dieser Modelle zu aufwendig ist. Mit den verhaltensorientierten Methoden kann ein kognitives System gebildet werden, das es dem selbstoptimierenden System ermöglicht, sich im Betrieb weiterzuentwickeln und sich immer besser an ein konkretes Umfeld und seine konkrete Aufgabe anzupassen.
Nachdem in der 1. Förderperiode Explorationsstrategien zum Erlernen der Zusammenhänge zwischen Systemzielen, -zustand und -umfeld erarbeitet wurden, stand in der 2. Förderperiode die kognitive Funktion Planen für einen fixierten Planungshorizont (z. B. für die Dauer eines Transportauftrags) im Vordergrund. Zusammenfassend bestand die Zielsetzung in der Konzeption einer hybriden Planung, die es ermöglicht, das grundsätzlich kontinuierliche Verhalten mechatronischer Systeme mit effizienteren diskreten Planungstechniken zu vereinigen, um so die Komplexität der Planung beherrschbar zu machen. Die Grundlage einer kontinuierlichen Planung wurde mithilfe der Approximation kontinuierlicher Verhaltensweisen gelegt. Sie bestimmt Verhaltensweisen, die im Rahmen der diskreten Planung als Zustandsübergänge betrachtet werden können und gleichzeitig mit einem bestimmten kontinuierlichen Verlauf hinterlegt sind. Im Rahmen der Planausführung kann dann auf diese Modelle kontinuierlicher Verhaltensweisen zurückgegriffen werden.
Für die diskrete Planung für mechatronische Systeme wurden Verfahren einerseits zur Koordination von Funktionsmodulen innerhalb eines mechatronischen Systems und andererseits zur Abstimmung von autonomen mechatronischen Systemen entwickelt. Für diese beiden höchst unterschiedlichen Koordinationsprobleme wurden Planungsprozesse auf Basis von Multiagenten-Systemen erarbeitet. Um auf die Gefahr möglicher Planabweichungen einzugehen, die durch die Diskretisierung kontinuierlicher Verhaltensweisen verstärkt wird, wurden zwei Planungsstrategien konzipiert. Dabei wurde der besonderen Bedeutung von Umwelteinflüssen für diesen Aspekt der Planung Rechnung getragen. Um die Anwendung der im Teilprojektbereich A entwickelten Verfahren im Entwurfsprozess zu unterstützen, wurden sie in Form von Wirkmustern zur Selbstoptimierung (WMSO) spezifiziert. Das Konstrukt WMSO wurde hierfür weiterentwickelt, damit es den gesamten Selbstoptimierungsprozess abbildet. Um die korrekte Anwendung eines WMSO sowie die Beschreibung kognitiver Systemeigenschaften im Entwicklungsprozess zu unterstützen, wurde die Spezifikation um den Aspekt Funktionen erweitert.
In der 3. Phase sollen die kognitiven Prozesse der verhaltensorientierten Selbstoptimierung über die kurzfristige (1. Förderperiode) und mittelfristige Perspektive (2. Föderperiode) hinaus auf langfristige Entscheidungsgrundlagen erweitert werden. Dazu soll ein System mit allen möglichen Veränderungen im kompletten Lebenszyklus betrachtet werden. Damit sind neue Methoden zur Entwicklung betriebsbezogener Modelle des Systems, seines Umfelds und seiner Benutzer zu erarbeiten. Darauf aufbauend müssen die Verfahren und Methoden zur Selbstoptimierung klassifiziert werden, um die anwendungsbezogene Auswahl im Entwurfsprozess zu erleichtern. Um den Entwickler in der Auswahl von Verfahren zur Umsetzung von WMSO zu unterstützen, sind die entwickelten Verfahren hinsichtlich ihrermöglichen Funktionen zu klassifizieren und mögliche Schnittstellen zwischen den Verfahren zu identifizieren. Abschließend soll der Entwickler in der Anordnung der Verfahren in der OCM-Architektur unterstützt werden, um die Makrostruktur der Informationsver- arbeitungfrühzeitig im Entwurfsprozess spezifizieren zu können.
Publikationen (seit 6/2005)
Begutachtete Veröffentlichungen
Adelt, P.; Schmidt, A.; Esau, N.; Kleinjohann, L.; Kleinjohann, B.; Rose, M.: Approximation of environment models for an air gap adjustment system in a hybrid planning context. In: 2008 IEEE International Symposium on Intelligent Control (ISIC '08), September 3-5, 2008, San Antonio, IEEE Control Systems Society, 2008
Burmester, S.; Giese, H.; Münch, E.; Oberschelp, O.; Klein, F.; Scheideler, P.: Tool Support for the Design of Self-Optimizing Mechatronic Multi-Agent Systems. International Journal on Software Tools for Technology Transfer (STTT), 8 (4), Springer Verlag, Berlin / Heidelberg, 2008
Dangelmaier, W.; Danne, C.; Döring, A.: Using k-means for clustering in complex automotive production systems to support a Q-learning-system. In: Zhang, D., Wang, Y., Kinsner, W. (Eds.): The 6th IEEE International Conference on cognitive informatics, August 6-8, 2007, Lake Tahoe, IEEE Computer Society, Washington, 2007
Danne, C.; Dück, V.; Klöpper, B.: Selfish Motivated Cooperative Planning in Cross Networked Mechatronic System. International Transactions on Systems Science and Applications, 2, 1/2006, pp. 221-225
Danne, C.; Dück, V.; Klöpper, B.; Tichy, M.: Considering Runtime Restrictions in Self-Healing Distributed Systems. In: IEEE 21st International Conference on Advanced Information Networking and Applications (AINA-07), May 21-23, 2007, Niagara Falls, IEEE Computer Society Press, Washington, 2007
Dangelmaier, W.; Klöpper, B.; Aufenanger, M.; Ruengener, N.: Aspects of Agent Based Planning in the Demand Driven Railcab Scenario. In: Haasis, H.-D., Kreowski, H.-J., Scholz-Reiter, B. (Eds.).: Proceedings of International Conference on Dynamics in Logistics, August 28-30, 2007, Bremen, Springer Verlag, Berlin, 2007
Dangelmaier, W.; Klöpper, B.; Blecken, A.: An Agent Based Modelling Approach for Stochastic Planning Parameters. In: Marik, V., Vyatkin, V., Colomno, A.W. (Eds.): 3rd International Conference on Industrial Applications of Holonic and Multi-Agent Systems, September 3-5, 2005, Regensburg, Springer Verlag, 4659, Berlin, 2007, pp. 225-236
Dangelmaier, W.; Klöpper, B.; Döring, A.: A New Agent Model For Efficient Execution Of Large Agent Based Planning Systems. International Journal of Information Technology and Intelligent Computing, 1, IEEE Computational Intelligence Society - Poland Chapter Lodz, 2006, pp. 379-391
Dangelmaier, W.; Klöpper, B.; Wienstroer, J.; Döring, A.: Risk Averse Shortest Path Planning in Uncertain Domains. In: International Conference on Computational Intelligence for Modelling, Control & Automation. 29 November - 1 December, 2006, Sydney, IEEE Computer Society Press, Washington, 2006, pp. 115-121
Dangelmaier, W.; Klöpper, B.; Wienstroer, J.; Timm, T.: The Shortest Path Problem in Uncertain Domains - an Agentbased Approach with Bayesian Networks. In: Abraham, A., Chen, Y. (Eds.): Sixth International Conference Intelligent Systems Design and Applications, IEEE Computer Society Press, 2, Washington, 2006, pp. 943-948
Dangelmaier, W.; Rust, T.; Döring, A.; Klöpper, B.: A reinforcement learning approach for learning coordination rules in Production Networks. In: International Conference on Computational Intelligence for Modelling, Control & Automation. 29 November - 1 December, 2006, Sydney, IEEE Computer Society Press, Washington, 2006, pp. 84-90
Esau, N.; Adelt, P.; Schmidt, A.; Rose, M.: Interval Optimization in a Hybrid Planner Context for an Air Gap Adaptation System. In: 3rd Asia International Symposium on Mechatronics (AISM2008), August 27-31, Sapporo, 2008
Frank, U.; Gausemeier, J.; Dangelmaier, W.; Schmidt, A.; Zimmer, D.; Klöpper, B.: Using Active Patterns for the Conceptual Design of Self-Optimizing Systems Exemplified by an Air Gap Adjustment System. In: 2007 ASME International Design Engineering Technical Conferences and Computers and Information in Engineering Conference, September 4-7, Las Vegas, ASME, New York, 2007
Gausemeier, J.; Dumitrescu, R.; Podlogar, H.: Implementing Cognitive Functions with Active Pattern in Self-Optimizing Systems. In: Third Asia International Symposium on Mechatronics, August 27-31, 2008, Sapporo, 2008
Gausemeier, J.; Ebbesmeyer, P.; Steffen, D.: Selbstoptimierung als Perspektive für die Gestaltung intelligenter Fertigungssysteme. ZWF - Zeitschrift für wirtschaftlichen Fabrikbetrieb, Carl Hanser Verlag, München, 9/2005
Gausemeier, J.; Znamenshchykov, A.; Oberthür, S.; Podlogar, H.: An Approach for Achieving Self-Optimization in Mechatronic Systems Supported by Active Patterns. In: 8th International Conference on Intelligent System Design and Applications, November 26-28, Kaohsiung, IEEE Computer Society, Washington, 2008
Gausemeier, J.; Zimmer, D.; Podlogar, H.; Schmidt, A.; Donoth, J.: Determination of Active Patterns during the Conceptual Design of Self-Optimizing Systems demonstrated by an Air Gap Adjustment System. In: Selvaraj, H., Rawski, M. (Eds.): 19th International Conference on Systems Engineering, August 19-21, 2008, Las Vegas, IEEE Computer Society, Los Alamitos, 2008
Klöpper, B.; Dangelmaier, W.: Coordination of Self-Optimizing Mechatronic Systems - A New Application for Multi-Agent Planning. In: International Conference on Agents and Artificial Intelligence, January 19 -21,2009, Porto, 2009
Klöpper, B.; Dürksen, D.; Ruth, D.; Thonemann, C.; Dangelmaier, W.: Combining Distributed Matchmaking and Clustering to Prune the Solution Space in Distributed Optimization Problems - Demonstrated in the RailCab System. In: Xhafa, F., Abraham, A., Köppen, M.: 8th International Conference on Hybrid Intelligent Systems, September 10-12, 2008, Barcelona, IEEE Computer Society Press, Washington, 2008, pp. 108-113
Klöpper, B.; Podlogar, H.; Gausemeier, J.; Witting, K.: Domain Spanning Search for Solution Patterns for the Conceptual Design of Self-Optimizing Systems. In: Bhowmick, S., Küng, J., Wagner, R. (Eds.): 19th International Conference on Database and Expert Systems Applications (DEXA 2008), September 1-5, 2008, Turin, Springer Verlag, Volume 5181, Berlin, 2008
Klöpper, B.; Romaus, C.; Schmidt, A.; Vöcking, H.: Defining Plan Metrics for Multi-Agent Planning Within Mechatronic Systems. In: ASME 2008 International Design Engineering Technical Conferences & Computers and Information in Engineering Conference (IDETC/CIE 2008), August 3-6, New York City, ASME, New York, 2008
Klöpper, B.; Romaus, C.; Schmidt, A.; Vöcking, H.: A Multi-Agent Planning Problem for the Coordination of Function Modules. In: Gausemeier, J., Rammig, F. J., Schäfer, W.: Self-optimizing Mechatronic Systems: Design the Future, February 20-21, 2008, Paderborn, Heinz Nixdorf Institut, Paderborn, 2008, pp. 377-393
Klöpper, B.; Schöneberg, T.; Pawlak, P.; Dangelmaier, W.: Combining Pheromomes and Potential Fields to consider Follow-Up-Jobs. In: Xhafa, F., Abraham, A., Köppen, M.: 8th International Conference on Hybrid Intelligent Systems, September 10-12, 2008, Barcelona, IEEE Computer Society Press, Washington, 2008, pp. 919-922
Oberthür, S.; Znamenshchykov, A.; Klöpper, B.; Vöcking, H.: Improved Flexible Resource Management by Means of Look-Ahead Scheduling and Bayesian Forecasting. In: Gausemeier, J., Rammig, F. J., Schäfer,W.: Self-optimizing Mechatronic Systems: Design the Future, February 20-21, Paderborn, Heinz Nixdorf Institut, Paderborn, 2008, pp. 361-376
Schmidt, A.; Adelt, P.; Esau, N.; Kleinjohann, L.; Kleinjohann, B.: Using Environmental Models Approximated by Fuzzy Identification for Hybrid Planning of Mechantronic Systems. In: ASME 2008 International Design Engineering Technical Conferences & Computers and Information in Engineering Conference (IDETC/CIE 2008), August 3-6, New York City, ASME, New York, 2008
Schmidt, A.; Esau, N.; Adelt, P.: Dynamic optimization of track sectioning in mechatronic systems for a hybrid planner. In: Proceedings of the 2008 IEEE International Conference on Mechatronics and Automation (ICMA'08), August 5-8, Takamatsu, IEEE, New York, 2008
Schmidt, A.; Esau, N.; Adelt, P.: Integrating dynamic track sectioning into a hybrid planning infrastructure. In: Proceedings of the 2008 SICE International Conference on Instrumentation, Control and Information Technology, August 20-22, Chofu, Tokyo, Society of Instrument and Control Engineers, Chofu, Tokyo, Japan, 2008
Dissertationen
Scheideler, P.: Ein Beitrag zur erfahrungsbasierten Selbstoptimierung einer Menge technisch homogener fahrerloser Fahrzeuge. Dissertation, Universität Paderborn, Heinz Nixdorf Institut, Wirtschaftsinformatik, insbesondere CIM, HNI-Verlagsschriftenreihe, Paderborn, Band 200, 2006
Schmidt, A.: Wirkmuster zur Selbstoptimierung - Konstrukte für den Entwurf selbstoptimierender Systeme. Dissertation, Fakultät für Maschinenbau, Universität Paderborn, HNI-Verlagsschriftenreihe, Paderborn, Band 204, 2006
