Machine Learning for Production - ML4P

Fraunhofer-Leitprojekt

ML4P-­gestützter Presshärteprozess am Fraunhofer IWU

Mit Maschinellem Lernen (ML) bei komplexen Produktionsanlagen die Leistung und (Ressourcen-)Effizienz erhöhen: Dies war das Ziel von »ML4P – Machine Learning for Production«. Das Konsortium aus sechs Fraunhofer-Instituten entwickelte ein toolgestütztes Vorgehensmodell, um den Einsatz von Verfahren der Künstlichen Intelligenz (KI) im industriellen Kontext planbar, wiederholbar und anwenderfreundlich zu gestalten. Der Herausforderung, dass Daten oft nur begrenzt verfügbar sind, hingegen hohes Expertenwissen vorhanden ist, begegnete das interdisziplinäre Konsortium, indem es neue Data Analytics Tools entwickelte. Die in einer Verarbeitungspipeline modular organisierten ML4P-Komponenten ermöglichen die Überführung von Daten und Informationen aus verschiedenen IT- und Prozessleitsystemen in eine für Maschinelles Lernen geeignete Form in Echtzeit. Hybride KI-Methoden erlauben es, Experten- und Domänenwissen mit datengetriebener ML zu kombinieren und so auch mit geringen Datenmengen zuverlässige und nachvollziehbare Resultate zu erzielen.

Die Vorteile der ML-Methoden: Mit der gewonnenen Datenbasis lassen sich unbekannte Zusammenhänge identifizieren und Prozesse modellieren. Die selbstlernenden Mechanismen machen die Anlagen flexibel und schnell wandelbar. Die modulare ML4P-Gesamtarchitektur ermöglicht eine Instanziierung der ML4P-Komponenten sowohl lokal beim Kunden oder verteilt in der Cloud. Beratungs- und Servicedienstleistungen für die Konzeptionierung, Umsetzung, Inbetriebnahme und den dauerhaften Betrieb von kundenorientierten ML4P-Lösungen wurden ausgearbeitet. Die Einsatzfähigkeit in unterschiedlichen industriellen Anwendungsszenarien wurde schon zur Projektlaufzeit durch eine kontinuierliche Erprobung in den Anwendungsbereichen Stückgut, Einzelfertigung und Verfahrenstechnik unter Beweis gestellt.

Im Probebetrieb läuft die modulare Software-Suite seit Ende 2021 bereits bei einem Hersteller von Membranfiltern.

Eckdaten zum Projekt

Laufzeit 
2018 - 2022

Koordination
Fraunhofer IOSB

Projektpartner

  • Fraunhofer IFF
  • Fraunhofer IAIS
  • Fraunhofer ITWM
  • Fraunhofer IWM
  • Fraunhofer IWU