Leitprojekt Machine Learning for Production – ML4P

Fraunhofer-Leitprojekt MED²ICIN
© Elnur Amikishiyevt – stock.adobe.com

Im Leitprojekt » Machine Learning 4 Production  ML4P « forschen sechs Fraunhofer-Institute unter Leitung des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB in Karlsruhe an der Entwicklung eines toolgestützten Vorgehensmodells sowie an der Realisierung entsprechender interoperabler Software-Tools, um systematisch das Optimierungspotential in produktionstechnischen Anlagen durch den Einsatz von Methoden des maschinellen Lernens zu erschließen.

Mit Methoden des maschinellen Lernens (ML) lassen sich datengestützt unbekannte Zusammenhänge lernen, Prozesse modellieren sowie adaptive Mechanismen realisieren, die Produktionsanlagen flexibel und schnell wandelbar machen. Im Gegensatz zu jenen Anwendungsdomänen des maschinellen Lernens, in denen gigantische Datenmengen vorliegen (Bildverarbeitung, Spracherkennung, soziale Medien usw.), sind im industriellen Kontext »nur viele Daten« gepaart mit detailliertem Expertenwissen vorhanden. Bei einer konsequenten Anlagenoptimierung muss beides genutzt werden; alle verfügbaren Daten und das gesamte Expertenwissen. Dabei sind nicht nur das derzeitige Trendthema Deep Learning, sondern darüber hinaus eine große Vielfalt weiterer speziell angepasster ML-Methoden interessant, die auch mit weniger Daten unter gleichzeitiger Nutzung von Vorwissen gut umgehen können.

Maschinelles Lernen im produktionstechnischen Umfeld

Ausgehend von den umfangreichen Erfahrungen in verschiedenen Fraunhofer-Instituten zeigt sich sowohl in der Prozess- als auch in der stückgutproduzierenden Industrie ein großer einschlägiger Bedarf, der sich oft mit fehlendem ML-Know-how beim Anwender paart. Dementsprechend stellt sich das Fraunhofer-Leitprojekt »MACHINE LEARNING 4 PPRODUCTION ML4P« die Aufgabe, speziell die Fragestellungen bei der Anwendung von ML-Methoden im produktionstechnischen Umfeld zu adressieren und industrietaugliche Tools für den effizienten Einsatz von ML-Methoden zu entwickeln. Die an ML4P beteiligten Fraunhofer-Institute verfügen über exzellente ML-Kompetenzen, über ein reiches ML-Methodenportfolio auf hohem wissenschaftlichen Niveau, über sehr viel Anwendungserfahrung in der Industrie und über produktionstechnisches und materialwissenschaftliches Know-how.

Toolgestütztes Vorgehensmodell

Die Forschungsziele des Fraunhofer-Leitprojektes ML4P sind die Entwicklung eines toolgestützten Vorgehensmodells sowie die Realisierung entsprechender interoperabler Software-Tools, um systematisch das relevante Wissen und die Daten einer Produktionsanlage zu erfassen, vorhandene Optimierungspotenziale aufzuspüren und zu bewerten, bestgeeignete ML-Verfahren anwendungsspezifisch auszuwählen und diese dann unter Nutzung von Prozessdaten und Expertenwissen nutzbringend einzusetzen.

Die Kompetenzen der an ML4P beteiligten Fraunhofer-Institute ergänzen sich ideal und erlauben neben Vorgehensmodell-, Methoden- und Softwareentwicklung die Validierung der Projektergebnisse in anspruchsvollen Anwendungsdomänen der industriellen Produktion.