KLASTER

  • Förderung:

    BMBF - PTKA

  • Starttermin:

    08/2001

  • Endtermin:

    10/2003

Klassifikationssysteme automatisiert erstellen

KLASTER

ZIELSETZUNG

Ziel des Verbundprojektes war die Entwicklung von Verfahren und Werkzeugen, mit deren Hilfe es möglich ist, Tätigkeiten bei der Erstellung und Anpassung unternehmensspezifischer Klassifikationssysteme - schwerpunktmäßig produzierender Unternehmen im Bereich Maschinenbau - zu automatisieren. Hierdurch sollten Fehlerquellen und großer Zeitaufwand der manuellen Erstellung von Klassifikationssystemen vermieden werden. Darüber hinaus sollte die Entwicklung unternehmensspezifischer, effizient einsetzbarer Klassifikationssysteme gewährleistet werden.

 

PROBLEMSTELLUNG

Bereits frühzeitig wurde erkannt, dass die Klassifikation ein geeignetes Mittel ist, um die Strukturierung großer Datenbestände durchzuführen. Die Notwendigkeit und das Nutzenpotential einer funktionierenden Klassifikation in einem Unternehmen ist allgemein anerkannt. Die meisten Anbieter von Systemen zur Produktdatenverwaltung reagieren hierauf, indem sie in den jeweiligen Systemen die Möglichkeit bieten, Klassifikationsstrukturen zu definieren und die verwalteten Daten entsprechend dieser Strukturen zu klassifizieren. Beide Tätigkeiten sind jedoch manuell auszuführen, was Fehleranfälligkeit und großen Zeitaufwand nach sich zieht. Insbesondere die manuelle Erstellung und Anpassung unternehmensspezifischer Klassifikationssysteme ist mit großem Zeitaufwand verbunden.

 

KONZEPT

Die geplante Architektur des Systems zur automatisierten Erstellung von Klassifikationssystemen wurde nachfolgend dargestellt. Kern des Systems war ein Klassifizierungsmodul, welches auf Basis flexibel einstellbarer Parameter klassifikationsrelevante Merkmale, Klassendefinitionen und Klassenstrukturen erzeugte.

 

 

Die Datenbestände (Nutzdatenquellen), für die ein Klassifikationssystem erstellt werden sollte, wurden durch ein Analysemodul untersucht. Das Analysemodul verwendete hierzu Clusteranalyse- und Data Mining-Verfahren. Die Datenbestände konnten hierbei in einer heterogenen Datenlandschaft verteilt vorliegen, z.B. geometrische Informationen aus CAD-Systemen in Verbindung mit Teilestämmen aus einem PDM-System. Diese Analyseergebnisse wurden verwendet zur:

  1. Ermittlung nicht-klassifikationsrelevanter Merkmale
  2. Generierung neuer, klassifikationsrelevanter Merkmale durch Verknüpfung bekannter Merkmale
  3. Bildung von Produktklassen
  4. Ableitung von definierenden Eigenschaften für diese Klassen
  5. Hierarchische Anordnung der Klassen

 

Die Ergebnisse der Klassifizierung konnten über eine neutrale Anwendungsschnittstelle abgerufen und für verschiedene Zwecke weiterverwendet werden, zum Beispiel zur Einrichtung von Sachmerkmalleisten in einem PDM-System.