• Skip to main content
  • Skip to secondary menu
  • Zur Hauptsidebar springen

Die Chemie Zeitschrift Österreichs

Das unabhängige Traditionsmagazin

  • Das Magazin
    • Über die Österreichische Chemie Zeitschrift
    • 120 Jahre
    • Abonnement
    • Mediadaten
    • Online-Archiv
  • Resorts
    • Forschung
    • Foto Freitag
    • Messe
    • Publikation
    • Personalia
    • Bildung
    • Termine
    • News-Archiv 2015
    • News-Archiv 2016
    • News-Archiv 2017
    • News-Archiv 2018
    • News-Archiv 2019
  • Studienführer Technische Chemie
  • Chemie-Lexikon
  • Links
    • L&B
    • labor
    • Kunststoff
  • Welkin Media Verlag
Aktuelle Seite: Startseite / News / ML4P: Machine Learning for Production – verbesserte Effizienz der Industrieproduktion

ML4P: Machine Learning for Production – verbesserte Effizienz der Industrieproduktion

11. Mai 2022 von Birgit Fischer

Verfahren der Künstlichen Intelligenz werden bisher verstärkt in Bereichen wie der Bildanalyse oder der Spracherkennung eingesetzt. Im Bereich der industriellen Produktion sind sie noch Mangelware. Mehrere Fraunhofer-Institute haben im Leitprojekt „ML4P – Machine Learning for Production“ eine Lösung entwickelt, mit der die Industrieproduktion durch maschinelles Lernen deutlich effizienter wird. Die darauf basierende Software-Suite ist sehr flexibel und auch mit älteren Maschinen kompatibel.

Das produzierende Gewerbe ist eine der tragenden Säulen der deutschen Wirtschaft. Nach Angaben des Statistischen Bundesamts gab es 2017 mehr als 700 000 produzierende Unternehmen mit etwa 7,4 Millionen Beschäftigten und einem Umsatz von über 2 Billionen Euro. Zu dieser wirtschaftlichen Stärke tragen Unternehmen aus Branchen wie Automobilbau, Elektrotechnik, Maschinenbau, Nahrungsmittelproduktion, Kunst-stoff oder Chemie bei. Viele dieser Unternehmen nutzen große Geräteparks und komplexe Produktionsanlagen. Moderne Maschinen, ausgestattet mit umfangreicher Sensorik, liefern immer mehr Daten. Hierdurch ist ein großes Potenzial entstanden, die Produktion durch Analyse der Daten mithilfe von Künstlicher Intelligenz (KI) und Machine Learning (ML) zu optimieren.

Ein Konsortium aus mehreren Fraunhofer-Instituten will das bisher weitgehend ungenutzte Potenzial für die Industrie nun nutzbar machen. Unter Federführung des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB haben sie im vierjährigen Leitprojekt „ML4P – Machine Learning for Production“ eine leistungsfähige Lösung erstellt, mit der Unternehmen ihre Produktion auf Basis von ML-Technologien optimieren können. Der ML4P-Ansatz ist eine Kombination aus einem wissenschaftlich fundierten Vorgehensmodell und darauf aufbauenden Software-Tools. Ziel ist es, die Produktion schneller, energieeffizienter und ressourcenschonender zu gestalten. Die ML-basierten Software-Tools können beispielsweise durch die Analyse der Maschinendaten versteckte Zusammenhänge entdecken und damit eine Optimierung des Fertigungsprozesses initiieren. Durch ihre Lernfähigkeit sind sie zudem in der Lage, die Produktion kontinuierlich zu verbessern. Das kommt auch der Produktqualität zugute.

ML4P-Ansatz: Vorgehensmodell in mehreren Phasen

Die Software ist dabei nur ein Teil des ML4P-Ansatzes. Eine entscheidende Grundlage ist das so genannte Vorgehensmodell.

Christian Frey, Abteilungsleiter Mess-, Regelungs- und Diagnosesysteme am Fraunhofer IOSB und ML4P-Projektleiter | Foto: Fraunhofer IOSB

Wir überfallen die Unternehmen nicht mit einer fertigen Software-Lösung, sondern gehen mit unserem Vorgehensmodell gemeinsam mit dem Unternehmen methodisch und schrittweise vor.

Christian Frey, Abteilungsleiter Mess-, Regelungs- und Diagnosesysteme am Fraunhofer IOSB und ML4P-Projektleiter

Erster Schritt ist die Analyse des Ist-Zustands des Produktionsprozesses. Auf dieser Basis identifizieren die Experten mögliche Optimierungspotenziale, legen Ziele fest und erarbeiten ein Konzept für den Einsatz von ML4P. In einem nächsten Schritt überprüfen sie, ob das Konzept auf Grundlage der vorhandenen Maschinen und Daten wirklich funktioniert und wie das zu den Unternehmenszielen passt.

ML4P-Vorgehensmodell für die Implementierung von Machine-Learning-Methoden in der industriellen Produktion. | Grafik: Fraunhofer IOSB

„Das Vorgehensmodell ist in mehrere, aufeinander aufbauende Phasen gegliedert. Die Entscheidung, ob ein Unternehmen sich tatsächlich für den Einsatz von ML4P entscheidet, fällt erst dann, wenn sicher ist, dass das Konzept funktioniert, gut umsetzbar und betriebswirtschaftlich sinnvoll ist“, sagt Lars Wessels, stellvertretender ML4P-Projektleiter.

Im nächsten Schritt werden die Prozessdaten der Anlagen und Maschinen in ein umfassendes, digitales Informationsmodell überführt. Ebenso wichtig wie die Daten ist dabei das Expertenwissen. Hier bringen Ingenieurinnen und Ingenieure ihre Kenntnisse über alle Prozessschritte, die Funktion und das Zusammenspiel aller Maschinen ein. Das Expertenwissen fließt in digitaler Form in eine ML4P-Verarbeitungspipeline zum Erlernen eines Prozessmodells ein. Erst danach folgen die Implementierung und der Probebetrieb. Am Schluss stehen die Übergabe und der Start in den Produktionsalltag.

Flexible Tools und Industriestandards

Für die Implementierung einer ML-optimierten Produktion stellt die Software-Suite eine Reihe Tools zur Verfügung. Darunter auch generische Tools für typische Aufgaben wie die Überwachung des Betriebsstatus einer Maschine. Diese sind kompatibel zu einer Vielzahl industrieller Kommunikationsschnittstellen wie z. B. OPC UA (Open Platform Communications Unified Architecture). Wo immer möglich, verzichten die Fraunhofer-Forschenden auf proprietäre Softwareprotokolle und setzen auf etablierte Standards und Programmierschnittstellen.

Das Machine Learning Pipeline Diagramm gibt eine Übersicht über die Datenerhebung und -verarbeitung, Modellbildung und Entscheidungsfindung. | Grafik: Fraunhofer IOSB
Das Machine Learning Pipeline Diagramm gibt eine Übersicht über die Datenerhebung und -verarbeitung, Modellbildung und Entscheidungsfindung. | Grafik: Fraunhofer IOSB

Skalierbarkeit und Flexibilität sind weitere Stärken des Konzepts. Nach der Inbetriebnahme sind die einzelnen Module jederzeit anpassbar, lernen mithilfe der eingehenden Maschinendaten laufend dazu und können so Optimierungspotentiale aufzeigen. Neue Anlagen lassen sich problemlos integrieren, ebenso wie die meisten älteren Maschinen, auch solche, die vielleicht schon 30 oder gar 40 Jahre alt sind. „Es kommt weniger auf die Maschine an als darauf, ob sie geeignete Daten liefern kann, etwa, wenn sie mit Sensorik ausgestattet ist“, sagt Wessels. Auch kleinere Betriebe können ML4P einsetzen, selbst wenn sie nur bestimmte Abschnitte einer Fertigung optimieren wollen.

„Viele Unternehmen stehen dem Einsatz von Künstlicher Intelligenz oder ML noch skeptisch gegenüber, weil sie das enorme Potenzial von maschinellem Lernen für die Produktion noch nicht erkannt haben. Aber die modular aufgebaute Fraunhofer-Plattform bietet Eigenschaften wie Transparenz, Flexibilität und Skalierbarkeit. Dadurch sinken die Einstiegshürden“, sagt Frey.

Presshärteprozess bei der Blechbearbeitung am Fraunhofer IWU in Chemnitz. Die Maschinendaten werden ausgewertet, um den Prozess durch ML noch effizienter zu gestalten. | Foto: Fraunhofer IWU
Presshärteprozess bei der Blechbearbeitung am Fraunhofer IWU in Chemnitz. Die Maschinendaten werden ausgewertet, um den Prozess durch ML noch effizienter zu gestalten. | Foto: Fraunhofer IWU

Das ML4P-Team hat das Konzept bereits in verschiedenen Anwendungsdomänen erprobt. Am Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU wurden Lösungen für die Blechumformung entwickelt. Das Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF hat die Fertigung von Membranfiltern optimiert und das Fraunhofer-Institut für Werkstoffmechanik IWM testete das Konzept bei einer Anlage zum Biegen von Glas. Viele Software-Tools wurden auf Basis dieser Praxistests bereits entwickelt.

„Wir sind sehr froh, dass das ambitionierte Projekt ML4P nach 4 Jahren Arbeit erfolgreich abgeschlossen ist. Damit steht Unternehmen des produzierenden Gewerbes erstmals die Möglichkeit offen, das Optimierungspotenzial des maschinellen Lernens für die Produktion voll auszuschöpfen“, sagt Frey.

Kategorie: News Stichworte: FraunhoferIOSB, KI, MachineLearning, ML4P, Software

Haupt-Sidebar

Die aktuelle Chemie

Newsletter

  • Unser Newsletter-Archiv

Welkin Media News

Aktuelle Nachrichten aus unseren anderen Online-Portalen Lebensmittel-&Biotechnologie und Österreichische Kunststoffzeitschrift.

  • Wie schaut der Kunststoff im kleinsten Detail aus?
    am 30. März 2023 von Kerstin Sochor (Österreichische Kunststoffzeitschrift)

    Das Zentrum für Elektronenmikroskopie Graz unterstützt schon seit vielen Jahren zahlreiche Unternehmen in der Industrie. Insbesondere die erfolgreiche Aufklärung von Gegebenheiten im Nano- und Mikrometerbereich von Proben und Produkten stellen […]

  • Biesterfeld übernimmt europaweiten KRAIBON Vertrieb
    am 30. März 2023 von Birgit Fischer (Österreichische Kunststoffzeitschrift)

    Die Biesterfeld Spezialchemie und das Gummiwerk KRAIBURG gehen eine strategische Partnerschaft für den europaweiten Vertrieb von KRAIBON ein. Die dünne Folie aus unvernetztem Kautschuk kommt im Bereich Sport und Freizeit, in der Automobilindustrie […]

  • Industrieverpackungen: Für die sichere Reise rund um den Globus
    am 29. März 2023 von Birgit Fischer (Lebensmittel- & Biotechnologie)

    Der neueste interpack Fachartikel über Industrieverpackungen beleuchtet, wie neue Lösungen den hohen Transportanforderungen gerecht werden. Durch viele Innovationen gestaltet die Verpackungsindustrie den Transport noch sicherer, nachhaltiger, […]

  • Adaptive Systemdruckabsenkung für mehr Energieeffizienz
    am 28. März 2023 von Kerstin Sochor (Österreichische Kunststoffzeitschrift)

    Für hybride Spritzgießmaschinen von Netstal gibt es ab sofort eine neue Option: Die adaptive Systemdruckabsenkung ermittelt im Hydrauliksystem permanent den optimalen Betriebsdruck. Das nachrüstbare Feature senkt bei mindestens gleicher […]

  • Lebensmittelsicherheit bei Kunststoffverpackungen
    am 27. März 2023 von Kerstin Sochor (Österreichische Kunststoffzeitschrift)

    Das Projekt SafeCycle untersucht bis Dezember 2024 mögliche Quellen für die Kontaminationen von recycelten Kunststoffen mit DNA-reaktiven Substanzen. Ziel ist ein Maßnahmenkatalog mit klaren Empfehlungen zur Vermeidung von Kontaminationen in […]

  • Veranstaltung „Zukünftige, Europäische Verpackungsverordnung“
    am 27. März 2023 von Birgit Fischer (Lebensmittel- & Biotechnologie)

    Die Veranstaltung „Zukünftige, Europäische Verpackungsverordnung" von ARA und OFI am 12.04.2023 informiert über die Auswirkungen der neuen Verordnung. Insbesondere die vorgeschlagenen Änderungen der Verpackungsverordnung in den Themenbereichen […]

  • 1 Million korrekt entsorgte Verpackungen mit RecycleMich-App
    am 27. März 2023 von Kerstin Sochor (Österreichische Kunststoffzeitschrift)

    Österreichs erste Recycling-App feiert ihren zweiten Geburtstag mit einer stolzen Bilanz: 1 Million recycelte Einweg-Verpackungen aus Kunststoff und Metall, 18.000 glückliche Gewinnerinnen und Gewinner und Kooperationen mit Großevents wie dem […]

  • Cubicure erhält ISO 9001 Zertifizierung
    am 21. März 2023 von Birgit Fischer (Österreichische Kunststoffzeitschrift)

    Das Wiener 3D-Druck-Unternehmen Cubicure hat die ISO 9001 Zertifizierung von Qualitätsmanagementsystemen erhalten. Dank der Umsetzung dieser Norm konnte Cubicure die Wertschöpfungskette optimieren und dadurch die Produktentwicklung […]

  • Pipettier-Automation im Laborbetrieb
    am 21. März 2023 von Birgit Fischer (Lebensmittel- & Biotechnologie)

    Die Labor-Automatisierungslösung von Essert und Weiss Pharmatechnik ermöglicht es, Pipettierungsprozesse schneller und autonom auszuführen. Ein 6-Achs-Roboter ist mit einer elektronischen Pipette ausgestattet und führt Handlingsaufgaben […]

  • In schnellem Schritt zu hochwertigen Kunststoffrezyklaten
    am 17. März 2023 von Birgit Fischer (Österreichische Kunststoffzeitschrift)

    Die Produktion von Kunststoffrezyklaten deckt bei weitem nicht die Nachfrage und stellt die Branche vor große Herausforderungen. Die neuesten technologischen Fortschritte bei der Flakesortierung tragen dazu bei, die Lücke zwischen Angebot und […]

Schlagwörter

ABB Aktuelle Nachrichten über BASF analytica Analytik Analytik Jena Automation Automatisierung Awards B&R Borealis BR CEM CO2 Danfoss Digitalisierung Endress+Hauser EndressHauser Evonik FCIO Festo Finance Forschung Foto Freitag FotoFreitag Hardware Industrie 4.0 Jubiläum Kreislaufwirtschaft Labor LANXESS Lenzing Messe Messe München MesseNews Nachhaltigkeit OMV Personalia Publikation Pumpen Recycling Shimadzu Software Studium TU Graz Webinar

Kategorien

Copyright © 2023 · WelkinMedia Fachverlag