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

Maschinelles Lernen

Maschinelles Lernen

Transparenz, Effizienz und Qualität steigern.


Überwachung, Diagnose 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 (Big Data) und vom Menschen nicht ohne technische Unterstützung gefunden wird. Daher entwickeln wir Lösungen zur einfachen Erfassung, Verwaltung, Visualisierung und Analyse großer industrieller Datenmengen. Die Arbeit mit Big Data bedeutet heute immensen Aufwand für die Prozessdatenerfassung aus heterogenen Kommunikationstechnologien und deren Aufbereitung (Data Engineering). Unser Ziel ist es, diesen Aufwand gerade für KMU zu reduzieren. Das Thema Interoperabilität nimmt hierbei eine Schlüsselrolle ein. Bei der Analyse haben Methoden des maschinellen Lernens und der modellbasierten Anomalieerkennung das Potential für eine automatisierte Extraktion von Informationen aus Prozessdaten.

 

Potential- und Konzeptstudien

Für Anlagenbetreiber: Es wird überprüft, 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 Informationen nutzbar gemacht werden können. Außerdem werden Technologien für die einfache und dennoch sichere Datenerfassung und –speicherung evaluiert sowie Strategien und Konzepte für die Integration dieser Technologien in die IT-Architektur des Unternehmens erarbeitet. 

Entwurf von Algorithmen für Analysesysteme

  • Für spezifische Maschinen und Anlagen
  • Für Value-Based-Services in Cloud, Fog und Edge

Test, Entwicklung und Demonstration

  • von Analysesyste- men an realen Produktionsanlagen im Labor Big Data und der Smart-FactoryOWL

Implementierung der ML-Verfahren

  • in div. Hochsprachen und Integration in die Realproduktion beim Kunden

 

Projekt KOSMOX: Entwicklung einer neuartigen lokalen kontrafaktischen Schnittstelle

Entwicklung einer neuartigen lokalen kontrafaktischen Erklärungsmethode und -Schnittstelle unter Berücksichtigung kognitiver Modellierungsansätze: "KOSMOX"

Projekt: Künstliche Intelligenz für LichtSignalAnlagen (KI4LSA)