Title: Design and development of a prototype of a text understanding tool for maintenance 4.0 by measuring associations, readability and sentiment (TU-MARS)
Language: English
Authors: Madreiter, Theresa 
Qualification level: Diploma
Advisor: Sihn, Wilfried 
Assisting Advisor: Ansari Chaharsoughi, Fazel  
Issue Date: 2020
Citation: 
Madreiter, T. (2020). Design and development of a prototype of a text understanding tool for maintenance 4.0 by measuring associations, readability and sentiment (TU-MARS) [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2020.63744
Number of Pages: 99
Qualification level: Diploma
Abstract: 
Industry 4.0 refers to the fourth industrial revolution, focusing on intelligent manufac-turing. In order to achieve smart manufacturing processes, production and mainte-nance strategies are designed, through analysing large amounts of data. Therefore, a lot of data is captured and analysed in real-time, making it possible to determine the efficiency of a factory or the condition of a machine. By collecting and analysing all of the available data, production relevant conclusions can be drawn which can then be used to adapt the production-planning and -control. However, there is a gap when it comes to collecting and analysing textual data, that exists in form of mainte-nance reports or machine data sheets. The textual data is often present but ignored and not combined with other data. By ignoring that kind of data, the stored knowledge in these documents is lost. In case of maintenance, this can be fatal. Missing information can lead to a higher human failure rate as well as a late failure detection, since future maintenance actions cannot be supported by already written and analysed maintenance reports. In this work, a concept for knowledge extraction from textual data in the context of Industry 4.0 is presented. The therefore proposed text mining tool TU-MARS aims to achieve a human like text understandability that helps to increase the explication of human knowledge, prevent human failure and make an early failure detection possible. TU-MARS extracts information such as the readability, the sentiment and the associations from maintenance reports. For this matter in a first step, a comprehensive literature search is done covering the subject of Industry 4.0 and especially the core building blocks, the smart factory, as well as its significant key features. In the second step, the aspects of text mining are dis-cussed, especially how to extract information from text and which algorithms can be applied in order to achieve a human like text understanding. The discussion of maintenance for Industry 4.0 presents the existing maintenance strategies for intelli-gent manufacturing as well as the relevant data for maintenance. An important point is the information that can be extracted from maintenance reports written by mainte-nance employees. Hence, TU-MARS, a software prototype that is capable of analys-ing reports and calculating a value for text understandability as well as an associa-tion measuring index, is developed.

Industrie 4.0 bezeichnet die vierte industrielle Revolution, wobei es um die intelligente Gestaltung von Fabriken und Produktionsstätten geht. Um eine solche intelligente Herstellung zu gewährleisten wird der Ansatz verfolgt Produktions- und Instandhaltungsstrategien mit Hilfe analysierter Daten möglichst „smart“ zu gestalten. Dabei wird eine Vielzahl von Daten analysiert, wodurch dann beispielsweise die Effizienz der Produktionsstätte oder der Zustand einer Maschine in Echtzeit ermittelt werden kann. Durch das Sammeln und Analysieren sämtlicher verfügbaren Daten können produktionsrelevante Rückschlüsse gezogen und die Produktionsplanung sowie -steuerung angepasst werden Eine erkennbare Lücke existiert jedoch in der Erfassung und Analyse textueller Daten, die in Form von Instandhaltungsberichten oder Maschinendatenblättern vorliegen. Diese textuellen Daten sind zwar oft vorhanden, werden jedoch oftmals nicht weiter analysiert und mit anderen Daten kombiniert. Dadurch geht wertvolles, in Texten gespeichertes Wissen oft verloren. Dies ist insbesondere im Falle der Instandhaltung fatal. Fehlende Informationen aus Instandhaltungsberichten können zu einem höheren menschlichen Versagen und verspäteten Fehlerentdeckungen führen, da zukünftige Instandhaltungsaktivitäten nicht durch bereits vorhandene, analysierte Instandhaltungsberichte unterstützt werden können. Daher versucht das vorgestellte prototypische Text Mining Tool TU-MARS ein menschenähnliches Textverständnis zu erzielen, um somit mehr Informationen aus Instandhaltungsberichten extrahieren zu können und dadurch künftiges menschliches Versagen zu minimieren und Fehler möglichst schnell zu detektieren. TU-MARS ist in der Lage Informationen wie die Lesbarkeit der Berichte, die Stimmung der Berichte sowie die Assoziationen innerhalb der Berichte zu ermitteln. Dazu erfolgt im ersten Schritt eine Literaturrecherche zum Thema Industrie 4.0, wobei insbesondere auf Smart Factories sowie deren wesentliche Eckpunkte eingegangen wird. Im zweiten Kapitel erfolgt die Erarbeitung des Themas Text Mining. Im Zuge dessen werden die wesentlichen Aspekte des Text Minings und die Möglichkeiten zur Informationsgewinnung aus Text aufgezeigt, sowie die dazu angewandten Algorithmen. Durch das Aufgreifen des Themas Instandhaltung in der Industrie 4.0 wird aufgezeigt, welche Instandhaltungsstrategien im Bereich der intelligenten Herstellung existieren und welche Daten dazu benötigt werden. Ein wesentlicher Punkt sind dabei die Informationen aus den von Instandhaltungsmitarbeitern verfassten Instandhaltungsberichten. Daher wird mit TU-MARS eine Software entwickelt, welche in der Lage ist für Instandhaltungsberichte einen Wert für die Textverständlichkeit, sowie einen zugehörigen Assoziationsmessungsindex zu berechnen.
Keywords: Knowledge Discovery; Text Understanding; Smart Factories
Knoweldge Discovery; Text Understanding; Smart Factories
URI: https://doi.org/10.34726/hss.2020.63744
http://hdl.handle.net/20.500.12708/15107
DOI: 10.34726/hss.2020.63744
Library ID: AC15679541
Organisation: E330 - Institut für Managementwissenschaften 
Publication Type: Thesis
Hochschulschrift
Appears in Collections:Thesis

Files in this item:


Page view(s)

127
checked on Oct 18, 2021

Download(s)

187
checked on Oct 18, 2021

Google ScholarTM

Check


Items in reposiTUm are protected by copyright, with all rights reserved, unless otherwise indicated.