Machine Learning

Mit Simulationen schneller zur Anwendung

Kilian Kleeberger, Marco Huber und Andreas Wolf

Eine individualisierte Produktion erfordert es, kleine Losgrößen wirtschaftlich zu fertigen. Maschinelles Lernen bietet hierfür eine Lösung: Roboterprogrammierung und Bildverarbeitung können damit deutlich vereinfacht und zugleich leistungsfähiger werden. Um diese Vorteile ausspielen zu können, benötigt maschinelles Lernen viele Beispieldaten. Mittels realistischer Simulationen lassen sich diese Daten schnell erzeugen und so anspruchsvolle Anwendungen effizienter umsetzen.

[mehr]



Dezentrale Steuerungen in der digitalen Fabrik
Einsatzmöglichkeiten und Anforderungen an die SPS 4.0

Matthias Seitz, Sergii Poluektov und Hans Peter, Hochschule Mannheim

Die intelligente Fabrik der Zukunft soll unter dem Schlagwort „Industrie 4.0“ durch sogenannte Cyber-Physical Systems (CPS) gesteuert werden. Damit ist gemeint, dass die Anlagenkomponenten selbständig den Prozess steuern und somit keine zentrale Steuerung mehr erforderlich ist. Man erhofft sich dadurch flexible Systeme, die nicht individuell programmiert werden müssen, sondern aus Modulen per Plug and Play zusammengesetzt werden können. Welche Aufgaben bleiben der SPS und welche Anforderungen muss sie hierfür erfüllen? Dieser Beitrag diskutiert an einem Beispiel die Möglichkeiten und Grenzen der SPS 4.0 aus heutiger Sicht.

[mehr]



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]



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]



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]



Interview

Mehr Freiraum für kreative Arbeit

Künstliche Intelligenz ist ein Schlagwort der Stunde – mit ihr sind Fortschritt und Innovation verknüpft. Fabriksoftware sprach mit Christian Patron, dem Leiter für Innovationen, Digitalisierung, Data Analytics bei der BMW Group über ihre Bedeutung für den Münchner Automobilkonzern.

[mehr]



Höhere Effizienz und neue Geschäftsmodelle
Die Vernetzung bietet Unternehmen neue Chancen - und Herausforderungen

Ekrem Yigitdoel

Die Vernetzung von Maschinen, Gegenständen und Assets macht aus Fabriken „Smart Factories“, die sich in letzter Konsequenz auf der Basis intelligenter Technologien selbst steuern. Aber was steckt hinter Begriffen wie „Industrial Internet of Things (IIoT)“ und „Industrie 4.0“? Und was daran ist so revolutionär, dass sie die industrielle Landschaft auch in Deutschland fundamental verändern werden?

 

[mehr]