Während Menschen vage Informationen teilweise richtig interpretieren können, agieren Maschinen nur mit eindeutigen Informationen richtig. Wie werden Information aus einer Betriebsanleitung maschinenlesbar? Verdeutlichen möchte ich das am Beispiel der Störungsbeschreibung, die in fast jeder Betriebsanleitung enthalten ist.
Dieser Blogbeitrag nimmt an der Blogparade des iiBlogs teil.
Die Darstellung der Störungsbeschreibung in Betriebsanleitungen ist oft tabellarisch, unterstützt durch grafische Informationen. An Störungsinformationen können enthalten sein:
- Anzeige der Störung, grafisch oder als Code
- Beschreibung der Störung
- Ursache der Störung
- Behebung der Störung
Menschen können aus dieser Darstellung herauslesen, wie die Störung behoben werden kann und falls notwendig ein Ersatz- oder Verschleißteil bestellen oder den Service rufen.
Was braucht es, damit eine Maschine die Störungsbehebung „lesen“ und verarbeiten kann?
- Die Information zu Störung und Fehlerbehebung muss an einem Ort liegen, die der Maschinensteuerung zugänglich ist, z. B in der Steuerung der Maschine oder in einer Cloud mit einer definierten API
- Der Störungsmeldung der Anleitung muss nach einem Informationsmodell beschrieben sein das auch die Maschine kennt, d. h. mit Metadaten versehen sein
- Die Maschine muss Aktionen veranlassen können und mit den dafür notwendigen Systemen verbunden sein (z. B. im ERP-System eine Ersatzteilbestellung auslösen, über einen Dienst den Service informieren oder über ein Manufacturing-Execution-Systeme MES eine Aktion in der Fertigungssteuerung auslösen)
In welcher Form muss die Störungsmeldung vorliegen?
Maschinenlesbare Informationen sind dadurch gekennzeichnet, dass sie eine Selbstbeschreibung ihrer Eigenschaften haben (Semantik). Diese Eigenschaften werden auch Metadaten genannt und werden in einem Informationsmodell abgebildet.
Pi-Mod ist ein existierendes Beispiel eines solchen Informationsmodells, ausgerichtet auf die Inhalte von Betriebsanleitungen des Maschinen- und Anlagenbaus.
Das Pi-Mod Konzept bildet die Information (Inhalte) und die Eigenschaft der Information (Semantik) in Modulen (Topics) ab. Die Grafik unten zeigt den strukturellen Aufbau der Störungsbeschreibung (errordescription). Die Beschreibung der Störung ist Teil eines beschreibenden Moduls Diagnose (Topic). Aufbau und Struktur der Störungsbeschreibung sind auf die Anforderungen des Maschinen- und Anlagenbaus angepasst.
Diese Module werden in XML erfasst und in Redaktionssystemen verwaltet.
Die Störungsbeschreibung ist wie in folgender Grafik gezeigt weiter strukturiert.
Die erste Zeile der Störungstabelle aus dem Beispiel oben wäre so in XML nach Pi-Mod realisiert:
Meldet ein Geräuschsensor an der Maschine eine zu große Lautstärke (E1001 als Error-Code) kann über diesen Error-Code die zugehörige Behebung (Solution) eindeutig bestimmt werden und eine entsprechend hinterlegte Aktion selbstständig starten, z. B.
- Anzeige der Behebungsmöglichkeit auf dem Maschinendisplay
- Meldung an eine zentrale Stelle oder Instandhaltungs-App
- Auslösen eines Serviceeinsatzes
Was bedeutet das für die technische Redaktion?
Für das Erstellen von Betriebsanleitungen
Bereits beim Erstellen der Betriebsanleitung ist es notwendig, die enthaltenen Informationen mit den Metadaten des Informationsmodells zu erfassen. „Wird dieser Ansatz in Engineering-Werkzeugen umgesetzt, so kann die Durchgängigkeit von Informationen im Lebenszyklus technischer Systeme wesentlich erhöht werden.“
In einem Redaktionssystem kann ein Informationsmodell hinterlegt werden. In einem Blogbeitrag ist die Realisierung in einem Redaktionssystem beschrieben.
Für das Bereitstellen der Betriebsanleitungen
Die Bereitstellung der maschinenlesbaren Anleitung kann über ein Content Delivery Portal (Beispiel des Pi-Fan) erfolgen. Die Informationen in diesem Portal sind über eine Rest-API maschinell lesbar.
Eine Präsentation eines anderen Anbieters eines Content Delivery Portals beschreibt die Möglichkeiten der Suche nach Inhalten am Beispiel des Pi-Fan.
Pingback: Blogparade Resümee: Wie prägen Intelligente Informationen unsere Zukunft – Impressionen eines kollaborativen Wortgemäldes