Anzugträger bedient Tablet, blauer Hintergrund mit endlosen Reihen des Wortes "Future"

TU-MARS: Text Understandability in Industrial Maintenance

Kurztitel: TU-Mars

Langtitel: Text Understandability for Maintenance, Availability, Reliability and Safety Management Systems

Sponsor: TU Wien

Zuordnung zu unseren (IMW) Forschungsprioritäten:

  • Identifizierung von Forschungslücken auf dem Gebiet der Wissensextraktion aus Texten im Kontext der industriellen Instandhaltung
  • Identifizierung von Merkmalen, die zu einem automatisierten, menschenähnlichen Textverständnis beitragen
  • Anwendung von Text Mining und maschinellen Lernverfahren, um wertvolle Textverständlichkeitsmerkmale aus Texten zu extrahieren
  • Identifizierung der Auswirkungen von Textverständlichkeit in der industriellen Instandhaltung

Dauer: 2020-fortlaufend

TU-MARS: Text Understandability in Industrial Maintenance Report in form of a graphic.

Kurzfassung:

Textdaten spiegeln in erster Linie objektives und subjektives menschliches Fachwissen wider. Mit Blick auf Big Data im Industrie- und Betriebsmanagement wird der Wert von Textdaten oft unterschätzt. Die wissenschaftliche Herausforderung besteht darin, Wissen aus Textdaten effektiv zu entdecken und in automatisierte Prozesse für Schlussfolgerungen, Vorhersagen und Vorschriften zu überführen. TU-MARS, ein Proof-of-Concept Software-Demonstrator, verwendet Text-Mining-Techniken und Algorithmen des maschinellen Lernens, um die Textverständlichkeit von realen Produktionsdatensätzen auf der Grundlage verschiedener Maßstäbe wie Textlesbarkeit, Assoziationsmessung und Stimmungsanalyse zu bewerten. Die vorgeschlagene Textverständlichkeit ermöglicht eine frühzeitige Erkennung von Fehlern, die Verringerung menschlichen Versagens und führt zu einer immensen Verbesserung der Erklärung menschlichen Wissens.

Resultate:

Das Projekt implementiert einen Proof-of-Concept Software-Demonstrator (TU-MARS), der Folgendes bietet:

  • Textverständlichkeits-Dashboard für jeden analysierten Bericht
  • Extraktion von Textverständlichkeitsmerkmalen auf Berichtsebene und auf Merkmalsebene
  • Darstellung von detaillierten Textverständlichkeitsmaßen für jeden analysierten Bericht
  • Darstellung des extrahierten Sentiments für jeden analysierten Bericht
  • Darstellung der extrahierten Assoziationen und eines Assoziationsmessindex für jeden analysierten Bericht

Partner: TU Wien, Forschungsgruppe Smart and Knowledge-Based Maintenance

Kontaktdetails:

Dipl.-Ing. Theresa Madreiter

+43 1 58801 33051

theresa.madreiter@tuwien.ac.at