Ein wissensbasierter Systemansatz zur automatisierten Flugzustandsüberwachung
von Lutz BretschneiderMit zunehmenden Optimierungen von Betriebsabläufen und komplexeren Technologien in der Luftfahrt wachsen die Anforderungen an die Steuernden, Situationen zu beurteilen und Handlungen zu einer erfolgreichen Flugdurchführung abzuleiten. Aufgrund von neuen Datenlinks sind mehr und mehr Informationen im Cockpit verfügbar. Gleichzeitig sorgen Optimierungen im operationellen Betrieb, zum Beispiel durch denWunsch einer reduzierten Besatzung oder den Betrieb von
unbemannten Flugsystemen, zu einer Reduktion des Situationsbewusstseins ohne entsprechende Gegenmaßnahmen. Die Entwicklung von komplexeren Assistenzsystemen ist die Folge, welche durch ihre Umsetzung auf Basis von Maschinencode
ebenfalls immer komplexer werden, und somit Ergebnisse für den Steuernden intransparenter. Dies kann bei der Verwendung zu einem zusätzlichenMangel an Situationsbewusstsein führen, da nötige Zusammenhänge aus den Ergebnissen
nicht erkannt werden und falsche Handlungen abgeleitet werden. Intransparente Ergebnisse können auch dazuführen, dass sie von dem Menschen nicht verstanden werden und auf Grund mangelnder Nachvollziehbarkeit ignoriert werden.
Aus dem Grund befasst sich diese Arbeit mit einem wissensbasierten Systemansatz zur automatisierten Evaluierung des operationellen Flugzustands. Es wird untersucht und gezeigt, wie eine eigenschaftsgraphbasierte Wissensrepräsentation
zur Abbildung von komplexem operationellen Wissen genutzt werden kann. Die Trennung zwischen dem Wissenskern und dem System zur Nutzung des Wissens soll einen Ansatz für die Verbesserung existierender, aber auch neuer Assistenzsysteme zeigen. Es wird untersucht, ob das vorgestellte Systemkonzept eine vollständige Abbildung von hybridem Wissen ermöglicht.
Die Untersuchungen dazu werden sowohl theoretisch als auch in zwei praktischen Anwendungen durchgeführt. Die theoretische Betrachtung vergleicht die weitverbreitete Nutzung von schemabasierten Datenbankrepräsentationen mit
der eigenschaftsgraphbasierten Datenbankanwendung mittels einer Komplexitätsanalyse von Beispielabfragen. Ergänzt um einen qualitativen Vergleich wird die Leistungsfähigkeit des Eigenschaftsgraphen für die Anwendung zur automatisierten
Flugzustandsbewertung beschrieben. Die Umsetzung in Stufe 1 beschreibt die Verwendung des Systemansatzes für ein Cockpitassistenzsystem in einem kommerziellen Verkehrsflugzeug. Hierbei wird das Wissen in Form von Regeln, Fakten
und Meta-Wissen abgebildet und gezeigt, dass die Trennung zwischen System und Wissen für die Anwendung möglich ist und die Wissensrepräsentation und Analyse eine Steigerung in der Transparenz und Nachvollziehbarkeit der Systemergebnisse
ermöglichen. Die Validierung der Anwendung nutzt die Erkenntnisse aus der Entwicklung sowie Ergebnisse in zwei Befragungen, um die Leistungsfähigkeit des wissensbasierten Ansatzes qualitativ einzuordnen. Die Umsetzung in Stufe 2 befasst sich mit der Abbildung von gelerntem unscharfen Wissen in der Anwendung einer Geräusch- und Antriebsüberwachung eines unbemannten Forschungsflugzeuges. Der Fokus hierbei ist auf der Untersuchung zur Abbildung
von unabhängigem Wissen zur Redundanz von Antriebssensoren als auch zu einer Möglichkeit zur Evaluierung von unbekannten Vorkommnissen in Form von anormalen Geräuschen. Für die Antriebsüberwachung wird ein Regressionsmodell
gelernt, das den Gesamtpegel sowie relevante Frequenzamplituden nutzt, um den Schub zu schätzen und im Rahmen des wissensbasierten Systems gegen Schubvorgaben zu vergleichen, und so nötige Systembenachrichtigungen auslöst.
Die Leistungsfähigkeit wird anhand von verschieden Parametervariationen und der Auswertung mit realen Flugdaten dargestellt. Für die Geräuschüberwachung wird das Frequenzspektrum in Abschnitte geteilt und mit Hilfe des AnormalyDetection - Algorithmus eine Heuristik zur statistischen Beschreibung des normalen Betriebszustandes erzeugt und an fünf anormalen Zuständen validiert. Die Implementierung des maschinell gelernten Wissens wird beschrieben, um die Leistungsfähigkeit der hybriden Wissensrepräsentation zu zeigen.
unbemannten Flugsystemen, zu einer Reduktion des Situationsbewusstseins ohne entsprechende Gegenmaßnahmen. Die Entwicklung von komplexeren Assistenzsystemen ist die Folge, welche durch ihre Umsetzung auf Basis von Maschinencode
ebenfalls immer komplexer werden, und somit Ergebnisse für den Steuernden intransparenter. Dies kann bei der Verwendung zu einem zusätzlichenMangel an Situationsbewusstsein führen, da nötige Zusammenhänge aus den Ergebnissen
nicht erkannt werden und falsche Handlungen abgeleitet werden. Intransparente Ergebnisse können auch dazuführen, dass sie von dem Menschen nicht verstanden werden und auf Grund mangelnder Nachvollziehbarkeit ignoriert werden.
Aus dem Grund befasst sich diese Arbeit mit einem wissensbasierten Systemansatz zur automatisierten Evaluierung des operationellen Flugzustands. Es wird untersucht und gezeigt, wie eine eigenschaftsgraphbasierte Wissensrepräsentation
zur Abbildung von komplexem operationellen Wissen genutzt werden kann. Die Trennung zwischen dem Wissenskern und dem System zur Nutzung des Wissens soll einen Ansatz für die Verbesserung existierender, aber auch neuer Assistenzsysteme zeigen. Es wird untersucht, ob das vorgestellte Systemkonzept eine vollständige Abbildung von hybridem Wissen ermöglicht.
Die Untersuchungen dazu werden sowohl theoretisch als auch in zwei praktischen Anwendungen durchgeführt. Die theoretische Betrachtung vergleicht die weitverbreitete Nutzung von schemabasierten Datenbankrepräsentationen mit
der eigenschaftsgraphbasierten Datenbankanwendung mittels einer Komplexitätsanalyse von Beispielabfragen. Ergänzt um einen qualitativen Vergleich wird die Leistungsfähigkeit des Eigenschaftsgraphen für die Anwendung zur automatisierten
Flugzustandsbewertung beschrieben. Die Umsetzung in Stufe 1 beschreibt die Verwendung des Systemansatzes für ein Cockpitassistenzsystem in einem kommerziellen Verkehrsflugzeug. Hierbei wird das Wissen in Form von Regeln, Fakten
und Meta-Wissen abgebildet und gezeigt, dass die Trennung zwischen System und Wissen für die Anwendung möglich ist und die Wissensrepräsentation und Analyse eine Steigerung in der Transparenz und Nachvollziehbarkeit der Systemergebnisse
ermöglichen. Die Validierung der Anwendung nutzt die Erkenntnisse aus der Entwicklung sowie Ergebnisse in zwei Befragungen, um die Leistungsfähigkeit des wissensbasierten Ansatzes qualitativ einzuordnen. Die Umsetzung in Stufe 2 befasst sich mit der Abbildung von gelerntem unscharfen Wissen in der Anwendung einer Geräusch- und Antriebsüberwachung eines unbemannten Forschungsflugzeuges. Der Fokus hierbei ist auf der Untersuchung zur Abbildung
von unabhängigem Wissen zur Redundanz von Antriebssensoren als auch zu einer Möglichkeit zur Evaluierung von unbekannten Vorkommnissen in Form von anormalen Geräuschen. Für die Antriebsüberwachung wird ein Regressionsmodell
gelernt, das den Gesamtpegel sowie relevante Frequenzamplituden nutzt, um den Schub zu schätzen und im Rahmen des wissensbasierten Systems gegen Schubvorgaben zu vergleichen, und so nötige Systembenachrichtigungen auslöst.
Die Leistungsfähigkeit wird anhand von verschieden Parametervariationen und der Auswertung mit realen Flugdaten dargestellt. Für die Geräuschüberwachung wird das Frequenzspektrum in Abschnitte geteilt und mit Hilfe des AnormalyDetection - Algorithmus eine Heuristik zur statistischen Beschreibung des normalen Betriebszustandes erzeugt und an fünf anormalen Zuständen validiert. Die Implementierung des maschinell gelernten Wissens wird beschrieben, um die Leistungsfähigkeit der hybriden Wissensrepräsentation zu zeigen.