Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB
Institutsteil Industrielle Automation

Maschinelles Lernen

Maschinelles Lernen

Mehrwerte in der Produktion erzielen durch intelligente Datenanalyse.

Überwachung, Diagnose, Predictive Maintenance und Optimierung sind Kernherausforderungen im Betrieb technischer Systeme. Wertvolle Informationen zu Verschleiß, Fehlerursachen und Optimierungspotentialen sind in den Prozessdaten von Maschinen und Anlagen enthalten. Diese Informationen bleiben heute jedoch oft ungenutzt, da die Menge und Komplexität der Daten zu hoch ist und vom Menschen nicht ohne technische Unterstützung gefunden wird. Daher entwickeln wir Lösungen zur einfachen Erfassung, Verwaltung, Visualisierung und Analyse großer industrieller Datenmengen. Bei der Analyse haben Methoden des maschinellen Lernens und der künstlichen Intelligenz das Potential für eine automatisierte Extraktion von Informationen aus Prozessdaten.

Die Arbeitsgruppe Maschinelles Lernen unterstützt Sie bei der Analyse der vorhandenen Daten, entwickelt mit Ihnen gemeinsam eine Strategie zur Einführung von Datenanalysemethoden und liefert maßgeschneiderte Lösungen für Ihre Herausforderungen.

Wir gehen mit ihnen die ersten Schritte im Bereich KI und versetzen Sie in die Lage Lösungen auszurollen und neue Anwendungsfälle zu identifizieren.

 

Unser Leistungsangebot

  • Potential- und Konzeptstudien
    Wir überprüfen, ob und welche Potentiale in den Daten spezifischer Maschinen liegen (Prädiktion von Fehlern / Wartungsbedarf, Optimierung der Energieeffizienz, Steigerung Taktzeit / Durchsatz / Ausbringung, Qualität) und mit welchen Verfahren die In-formationen nutzbar gemacht werden können. Zudem evaluieren wir Technologien für die einfache und dennoch sichere Datenerfassung und –speicherung und erarbeiten Strategien und Konzepte für die Integration dieser Technologien in die IT-Architektur des Unternehmens.
  • Konzeption und Umsetzung von ML-Integrationsprojekten im Unternehmen
    Condition Monitoring, Überwachung, Diagnose, Predictive Maintenance. Das sind Applikationen, die einen Mehrwert bringen und mithilfe von Maschinellem Lernen realisiert werden können. Wir unterstützen Sie bei der Konzeption von ML-Einführungsstrategien und projektieren weitergehende Umsetzungsprojekte.
  • Zykluszeiten-Analysen, Bottleneck-Analysen
    Wir analysieren Ihre Produktion hinsichtlich der gewünschten und tatsächlichen Zykluszeiten und identifizieren die Bottlenecks in Ihrer Produktion. Damit wird eine Erhöhung der Ausbringung ermöglicht, was die Gesamtanlageneffizienz steigert.
  • KI für Bestandsanlagen (Retrofitting)
    Sie verfügen über alte Maschinen, die nicht ersetzt werden sollen? Aber Sie möchten auch diese mit modernen Methoden automatisch überwachen? Entsprechend Ihrer Anforderungen entwickeln wir nach einer ausgiebigen Datenaufzeichnung Algorithmen zur Lösung ihres Use-Cases. Von statistischen Analysen zur Extraktion von KPIs, über einfache Überwachungsmethoden bis hin zu Deep-Learning Methode als KI basiertes Entscheidungssystem zur Qualitätsüberwachung oder Anomaliedetektion begleiten wir sie von der Bestandsmaschine zu einem modernen cyberphysischen System mit eigener KI. Somit werden auch alte Maschinen fit für Industrie 4.0 gemacht.
  • Integration von ML-Verfahren in eingebettete Komponenten
    Sie möchten Methoden des Maschinellen Lernens oder der Künstlichen Intelligenz in Ihre Produkte integrieren? Wir unterstützen Sie bei der Projektierung und liefern Knowhow für den eingebetteten Einsatz von Künstlicher Intelligenz. Mit der SmartBox verfügt das Fraunhofer IOSB-INA über ein Patent für eine selbstkonfigurierende Methode zur selbstständigen Überwachung von Produktionsanlagen über einen Netzwerkzugriff.
  • Intelligente Fehleranalyse und Steuerung
    Fehler treten in Produktionsanlagen häufig unvorhergesehen auf, ihre Behebung beansprucht meist viel Zeit und Expertenwissen. Mithilfe künstlicher Intelligenz können zum einen Fehlerursachen schnell identifiziert werden, zum anderen können automatisch geeignete Maßnahmen eingeleitet werden, die die Auswirkungen des Fehlers geringhalten und im besten Fall sogar den Fehler beheben.

Know-how und Ausstattung

  • Analyse großer Datenmengen
    • CPU Rechencluster
  • Parallelisierung von Datenanalysen
    • GPU Cluster
  • Integration von KI in Bestandsmaschinen
    • INAsense - System zur Erfassung und Auswertung von Sensordaten
  • Einsatz von ML in der Produktion
    • Diverse Demonstratoren in der SmartFactoryOWL

Forschungsthemen und Projekte

Informieren Sie sich über aktuelle und zukünftige Projekte.