Data Analytics

Maschinelles Lernen in der Produktion
Anwendungsgebiete und frei verfügbare Datensätze

Jonathan Krauß, Jonas Dorißen, Hendrik Mende, Maik Frye, Fraunhofer IPT und Robert H. Schmitt, WZL RWTH Aachen

Steigende Rechenleistungen und bessere Datengrundlagen bei gleichzeitig sinkenden Kosten für Rechen- und Speicherkapazitäten stellen die Basis für den Einsatz von Machine Learning (ML) in der Produktion dar. Herausforderungen bestehen in der Identifizierung aussichtsreicher Anwendungsgebiete, dem Erkennen der mit diesen verbundenen Learning Tasks sowie dem Aufdecken passender Datensätze. In diesem Beitrag werden daher folgende Fragen beantwortet: Welche Anwendungsgebiete in der Produktion bieten das größte Potenzial für den Einsatz von ML? Welche frei zugänglichen Datensätze eignen sich, um eigene Erfahrungen zu sammeln und welche Learning Tasks sind damit verbunden? Was sind Best Practices für die Anwendungsgebiete?

[mehr]



Open Access

Integration von Künstlicher Intelligenz in die Fabriksteuerung

Norbert Gronau

Mit der zunehmenden Verfügbarkeit von IoT-Devices und einer deutlich stärkeren Vernetzung der Fertigung mit Internet-Technologien rückt auch eine Verbesserung der Fabriksteuerung durch den Einsatz Künstlicher Intelligenz (KI) in den Vordergrund. Dieser Beitrag beschreibt am Beispiel einer variantenreichen Serienfertigung, welche Schritte zu gehen sind, um mit KI die Fabriksteuerung zu verbessern.

[mehr]



Digital auf der Baustelle
Mit Assistenzsystemen Bauprozesse erfolgreich optimieren

Waldemar Zeitler, Bernd Oeltjenbruns, Hendrik Rump, Timo Teschke, Michael Lütjen und Michael Freitag

Baustellen zeichnen sich durch einen sehr hohen Anteil analoger Bauprozesse aus. Doch auch hier wächst der Druck zu Digitalisieren. Schaut man sich die Elektroinstallation an, so ist die direkte Verknüpfung mit einem BIM-Modell trotz digitaler Entfernungsmesser noch weit weg. So wird beispielsweise der Verlauf von Stromleitungen immer noch vor Ort vom Installateur bestimmt, der die Stromleitungspläne entsprechend händisch an den Wänden zeichnet, um die Schächte im Anschluss aufstemmen zu können. Da erst einmal das Aufmaß genommen werden muss, ist der Prozess sehr zeit- und kostenintensiv. Zudem findet in der Regel nur eine sehr sporadische Dokumentation der tatsächlichen Leitungsverläufe statt, was dann sowohl für weitergehende Installationsarbeiten als auch im Bestand zu großen Problemen führen kann. Wie kann die Digitalisierung hier nun die händischen Schritte ersetzen?

[mehr]



Künstliche Intelligenz verleiht Cyber-Physical Systems Flügel

Volker Gruhn

Cyber-Physical Systems (CPS) sind ein Beispiel für die immer engere Verbindung von digitaler und realer Welt. Denn in CPS werden Abläufe und physische Gegenstände unmittelbar in digitale Prozesse integriert. Für IT-Experten bedeutet das mehr Komplexität in der Entwicklung von IT-Systemen. Denn die bisherige Modellbildung, mit der sie gearbeitet haben, stößt angesichts der Unordnung in der realen Welt an ihre Grenzen. Künstliche Intelligenz (KI) hilft dabei, diese Komplexität zu beherrschen und so den Einsatz von CPS zu erleichtern beziehungsweise zu ermöglichen. Die Stärke von CPS liegt insbesondere im Finden von Optimierungspotenzialen, im Erkennen von Mustern und in der engen Zusammenarbeit mit Menschen. Verfahren wie Machine Learning, das die Grundlage für beispielsweise Bilderkennung oder Spracherkennung liefert, erlauben einerseits engere Interaktionsmöglichkeiten zwischen Mensch und CPS. Andererseits erhöhen diese Techniken den Autonomiegrad, mit dem CPS arbeiten können. In Summe entstehen dank KI neue Einsatzszenarien. Die Kombination dieser Technologien stößt die Tür für die Fabrik der Zukunft auf. Diese Entwicklung muss sich auch in den zugrundeliegenden IT-Systemen niederschlagen, die Unternehmen aufbauen. Die Verantwortlichen müssen Strukturen schaffen, in denen klassische Informationssysteme, CPS und Cognitive Computing Systems integriert zusammenarbeiten können.

[mehr]



Machine Learning

Machine Learning in der adaptiven Fertigungssteuerung
Genetischer Algorithmus zur Bewertung alternativer Arbeitspläne

Berend Denkena, Sören Wilmsmeier und Florian Winter

In der Arbeitsplanung werden derzeit zumeist statische Bedingungen angenommen und vermeintlich optimale Fertigungsabfolgen vor dem Produktionsstart festgelegt. Dynamische Einflüsse während der Fertigung führen zu unsystematischen Umplanungen und einem ineffizienten Planungsergebnis. Im Folgenden wird daher ein Ansatz zur adaptiven Fertigungssteuerung mit Hilfe eines Genetischen Algorithmus präsentiert.

[mehr]



Fabriksoftware Potenziale

Künstliche Intelligenz
ersetzt kluges Handeln nicht

Götz-Andreas Kemmner

Wenn ich mir die aktuellen Diskussionen um IoT und smarte Materialwirtschaft anschaue, dann bin ich immer wieder überrascht, wie oft der Eindruck erweckt wird, dass vor allem Künstliche Intelligenz das wesentliche Element zum Schließen der Digitalisierungslücken in Supply Chain Management und Materialwirtschaft sei.

[mehr]



Machine Learning

Datengetriebene Prozessoptimierung in der Getränkeindustrie

René Wöstmann, Thorsten Reckelkamm, Jochen Deuse, Josef Kimberger, Fabian Temme, Philipp Schlunder und Ralf Klinkenberg

Ein erhöhter Preis- und Wettbewerbsdruck stellt die Getränkeindustrie vor große Herausforderungen der Rationalisierung. Bestehende Ansätze aus den Bereichen Lean und Six Sigma geraten bei biochemischen Prozessen mit komplexen multivariaten Einflussgrößen an ihre Grenzen. Der Beitrag stellt einen Ansatz zur datengetriebenen Prozessoptimierung in der Getränkeindustrie auf der Grundlage von maschinellem Lernen vor.

[mehr]



Autonomie und Robustheit in verteilten Cyber-Physical Systems
Methoden der künstlichen Intelligenz

Stefan Bosse und Frank Kirchner, Universität Bremen

Sensoren und Aktoren finden immer häufiger Anwendung in der industriellen Produktion. Traditionell werden zentralistische Ansätze für die Verarbeitung der Sensordaten und Ansteuerung der Aktoren verwendet. Zunehmende Dichte von Sensoren und Aktoren, mit gleichzeitig fortschreitender Miniaturisierung, erfordern dezentrale Datenverarbeitung in verteilten Netzwerken aus Sensoren und Aktoren. Die Künstliche Intelligenz, ein Teilgebiet der Informatik, kann wichtige Beiträge für Robustheit und Autonomie bei der Verarbeitung und Verteilung von Daten in solchen Netzwerken liefern.

[mehr]



Künstliche Intelligenz

Autonomes Verhalten und Künstliche Intelligenz

Stefan Pickl, Universität der Bundeswehr München

Eigentlich ist schon alles über „Künstliche Intelligenz (KI)“ gesagt; nur noch nicht von jedem, so könnte man im Sinne von Karl Valentin meinen und sich dann doch aufgefordert sehen, einen weiteren Beitrag über dieses spannende Gebiet zu schreiben. Auf der anderen Seite ist es generell schwer, den Begriff Künstliche Intelligenz exakt zu definieren bzw. einzugrenzen. Eine solche Eingrenzung ist jedoch nötig, wenn man die Beziehung zwischen Autonomie und Künstlicher Intelligenz im Speziellen charakterisieren möchte.

[mehr]



PLUGandWORK - Maschinen und Komponenten für Industrie 4.0 befähigen

Olaf Sauer

PLUGandWORK ist ein Konzept zur Interoperabilität in Industrie 4.0, bestehend aus konkreten Lösungen zur semantischen Beschreibung von Maschinen und Anlagen sowie deren Komponenten. Ziel ist es, manuelle Konfigurationsarbeiten weitgehend zu reduzieren und so allgemein verständliche, schnelle und sichere Verbindungen von Geräten und überlagerter Software zu erreichen.

[mehr]



Seiten