Fraunhofer-Vorgehensmodell wird veröffentlicht

Machine Learning in der Produktion

Bild: Fraunhofer IOSB

Der Einsatz von maschinellem Lernen (ML) in der industriellen Fertigung birgt große Potenziale für die Optimierung von Verfahren und Prozessen. Aufgrund verschiedener Schwierigkeiten in diesem Kontext handelt es sich aber noch längst um kein Standardwerkzeug. Um die Herausforderungen zu überwinden und einen ML-Einsatz in der Produktion weniger aufwändig und besser handhabbar zu machen, haben Fraunhofer-Forscher im Rahmen des 2018 gestarteten Leitprojekts ‚ML4P – Machine Learning for Production‘ ein allgemein anwendbares Vorgehensmodell entwickelt. Während die Arbeiten an den zugehörigen Software-Tools noch laufen, wird das Vorgehensmodell anlässlich der virtuellen Messe ‚Fraunhofer Solution Days‘ am 26.10. veröffentlicht und ist dann als White Paper frei verfügbar.

„Im Leitprojekt ML4P entwickeln sechs Fraunhofer-Institute gemeinsam ein standardisiertes Vorgehensmodell und die zugehörigen Werkzeuge für den Einsatz von ML in der Produktion, um die Herausforderungen zu überwinden“, sagt Prof. Dr.-Ing. habil. Jürgen Beyerer, Leiter des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB und Projektleiter von ML4P. „Unser Ansatz des KI-Engineerings orientiert sich in vieler Hinsicht am Systems Engineering. Die breiten Erfahrungen der beteiligten Institute ermöglichen es uns, gleichzeitig die grundlegende Methode zu detaillieren sowie die dazu passende, durchgängige Kette interoperabler Softwarelösungen zu entwickeln.“

„Anhand konkreter Verfahren und Anlagen aus der Prozess- und stückgutproduzierenden Industrie können wir die Praxistauglichkeit unserer Ergebnisse direkt überprüfen“, so Beyerer weiter. Beteiligt sind neben den Standorten Karlsruhe und Lemgo des federführenden Fraunhofer IOSB auch die Fraunhofer-Institute für Intelligente Analyse- und Informationssysteme IAIS, für Fabrikbetrieb und -automatisierung IFF, für Techno- und Wirtschaftsmathematik ITWM, für Werkstoffmechanik IWM sowie für Werkzeugmaschinen und Umformtechnik IWU.

„Als wichtigen Meilenstein von ML4P haben wir das zugehörige Vorgehensmodell inzwischen fertig ausformuliert und freuen uns, die Kurzfassung als White Paper im Rahmen der Fraunhofer Solution Days der Öffentlichkeit zu präsentieren“, sagt Dr. Julius Pfrommer, Forschungsgruppenleiter am Fraunhofer IOSB und Teamleiter Vorgehensmodell im Projekt ML4P. Die ausführliche Langfassung des Vorgehensmodells soll als Fachbuch im kommenden Jahr erscheinen.

Fraunhofer-Institut für Optronik, Systemtechnik

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: Benteler International AG
Bild: Benteler International AG
Produktionsfehler: KI findet die Nadel im Heuhaufen

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.