Beschreibung
In der technologisch komplexen Umgebung der Internationalen Raumstation (ISS) ist die schnelle und akkurate Identifikation von Fehlerursachen sowie deren Behebung, insbesondere bei Störungen im Lebenserhaltungssystem, kritisch. Aktuell stellen die Analyse von Daten aus mehr als 20.000 Sensoren und das Verständnis der komplexen Wirkzusammenhänge in der Station eine bedeutende Herausforderung für die Experten in der Bodenstation dar. In diesem Poster stellen wir vor, wie wir durch die Verknüpfung von symbolischer KI und modernen Deep-Learning-Methoden ein vollautomatisiertes Diagnosesystem entwickelt haben, welches sich aktuell in der Validierungsphase befindet. So können automatisch Abweichungen erkannt, Diagnosen berechnet und Rekonfigurationsanweisungen im Prozess durchgeführt werden. Eine im Projekt entwickelte MLOps-Plattform ermöglicht dabei eine effiziente Ressourcennutzung und unterstützt schnelle Iterationen durch den gesamten ML-Entwicklungszyklus.
Keywords
International Spacestation
Seep Learning
Diagnosis
Time Series
| Find me @ my poster | 1, 2, 3, 4 |
|---|
