Kurzbeschreibung des Projekts
Im Leitprojekt Machine Learning for Production (ML4P) gehen wir davon aus, dass die Leistung in modernen Produktionsanlagen – sowohl in der Prozess- als auch in der stückgutproduzierenden Industrie – mithilfe von Maschinellem Lernen optimiert werden kann.
Unter der Schirmherrschaft und Koordination des Fraunhofer IOSB bündeln mehrere Fraunhofer-Institute ihre Anwendungserfahrung und Kompetenzen im Maschinellen Lernen zur Erarbeitung von Lösungen für die Industrie. In ML4P werden intelligente Methoden zur Bedarfsdeckung der Industrie formuliert werden und der Weg zu flexiblen, schnell lernenden Anlagen vorbereitet. Eine »lernende Maschine« könnte zum Beispiel den Einbau intelligenter Komponenten oder einen effizienten, ganzheitlichen Umgang mit sehr großen Datenmengen beinhalten.
Projektziele
- Entwicklung eines toolgestützten Vorgehensmodells
- Realisierung eines Software-Tools, mit dem der Ist-Zustand erfasst und analysiert wird, um mögliche Optimierungspotentiale aufzuzeigen
- Ableitung und Auswahl geeigneter Verfahren des Maschinellen Lernens in der Produktion
Projektergebnisse
Während die Entwicklung und Integration der Softwaretools voranschreitet, ist das Vorgehensmodell mittlerweile als Kurzfassung publiziert (laden Sie hier kostenlos das White Paper herunter). Es beschreibt den Weg von der Problemstellung bis zum kontinuierlichen Betrieb des ML-basierten Systems umfassend und beinhaltet:
- Sechs Phasen mit klar definierten Ergebnissen
- das »Machine Learning Pipeline Diagramm« und die »virtuelle Prozessakte« als zentrale Dokumente bzw. Datenstrukturen, die den jeweils aktuellen Wissensstand über alle Phasen hinweg repräsentieren:
- ein Rollenmodell, das die in jeder Phase benötigten Disziplinen, Kompetenzen und Funktionen umfasst.