Forschungsprojekt InPulS: Machine Learning optimiert die Prozesse

shutterstock

Wie können Maschinen und Anlagen durch Interaktion mit ihrer Umgebung eigenständig industrielle Prozesse optimieren? Das untersucht derzeit das Forschungsprojekt InPulS. Angewendet wird dabei das Machine-Learning-Verfahren „Reinforcement Learning“. Getestet werden zwei Anwendungsszenarien.

InPulS ist ein vorwettbewerbliches Forschungsprojekt des Forschungskreis I40 des VDMA-Forum Industrie 4.0 in Kooperation mit dem Institut für Unternehmenskybernetik e. V. (IfU) des Cybernetics Lab der RWTH Aachen.


Die Herausforderung: starre Systeme intelligent weiterentwickeln

Die Integration von Automatisierungslösungen bei geringen Losgrößen oder wechselnden Randbedingungen ist für KMU häufig wirtschaftlich nicht tragbar. Grund dafür sind die hohen Investitionskosten.  Insbesondere in der Automatisierungs- bzw. in der Steuerungstechnik von Maschinen und Anlagen liegen über die Jahre gewachsene, starre Systeme vor, deren technologische Fähigkeiten stark auf den jeweiligen Einsatzzweck ausgerichtet sind. Grundsätzlich ist dies auf die strengen Anforderungen in der industriellen Produktion bezüglich Robustheit (deterministisches Verhalten in jedem Betriebszustand) und Sicherheit (definierte Einschränkungen während des Betriebs) zurückzuführen. Dies führt in der Regel zu einer stark eingeschränkten Anpassungsfähigkeit der Produktion. Ein aussichtsreicher Lösungsansatz dazu ist es, die Maschinen und Anlagen mit einer eigenen Intelligenz und Lernfähigkeit auszustatten.


Mit künstlicher Intelligenz neue Funktionalitäten erschaffen

Der Einsatz von Verfahren aus dem Forschungsfeld der künstlichen Intelligenz birgt Potentiale zur Entfaltung neuer Funktionalitäten in Produktionssystemen und stellt somit einen Beitrag zur Entlastung der Benutzer dar. Daher besteht die Möglichkeit, das Engineering, die Wartung sowie das Lebenszyklusmanagement zu verbessern und Zuverlässigkeit, Sicherheit und Verfügbarkeit zu erhöhen. Darüber hinaus ermöglicht der Einsatz von Verfahren aus dem Forschungsfeld der künstlichen Intelligenz, Ressourcen wie Energie und Material effizienter einzusetzen und so äußerst flexible und einfach wandelbare Produktionsprozesse zu ermöglichen. Diese Verfahren zeichnen sich durch einen breiten Einsatzbereich aus, wobei der konkrete Nutzen, insbesondere für KMU, in der Regel meist schwer zu quantifizieren sind. Um dies zu konkretisieren, ist ein genaues Verständnis über selbstlernende Systeme notwendig. Es bedarf der Entwicklung von Handlungskonzepten, die es KMU ermöglichen, Einsatzfelder und Potentiale von selbstlernenden Produktionsprozessen abzuschätzen und zu implementieren.

Diese Themen hat der Forschungskreis Industrie 4.0 des VDMA-Forums Industrie 4.0 zusammen mit dem Institut für Unternehmenskybernetik e. V. (IfU) des Cybernetics Lab der RWTH Aachen im Forschungsprojekt InPulS (Intelligente und selbstlernende Produktionsprozesse in KMUs) die letzten zwei Jahre untersucht. Der Fokus lag dabei auf Problemstellungen, bei denen sich eine Maschine durch Ausprobieren mit der Umgebung selbstständig den bestmöglichen Prozess beibringt. In den betrachteten Anwendungsdomänen treten Rahmenbedingungen auf, die aufgrund ihrer Komplexität und Dynamik technisch-physikalisch noch nicht modelliert werden können. Durch den Einsatz selbstlernender Verfahren ist es bei wechselnden Rahmenbedingungen nicht mehr nötig, Prozessparameter manuell anzupassen. Dadurch mindert sich der Programmier- und Wartungsaufwand und es erhöhen sich die Zuverlässigkeit und Prozesseffizienz.
 

Die Ziele: Grundlagen und Handlungskonzepte
für den Einsatz selbstlernender Systeme erarbeiten

Im Projekt InPulS wird der Einsatz künstlicher Intelligenz zur Prozessregelung untersucht.
Das wesentliche Forschungsziel ist dabei die Aufarbeitung von Lernverfahren in einem selbstlernenden Produktionsprozess sowie die Bewertung dieser Verfahren für konkrete Einsatzmöglichkeiten in KMU. Dazu werden ausgehend von einem zu erstellenden, erweiterten Intelligenzmodell, sowie der Definition des Begriffs „selbstlernend“, Grundlagen und vor allem Handlungskonzepte zur Modellierung und zur Implementierung von intelligenten und selbstlernenden Prozessregelkreisen erarbeitet.
 

Leitfaden wird Unternehmen bei der Umsetzung
von industriellem Reinforcement Learning unterstützen


Wesentliches Ergebnis des Projekts wird ein Handlungsleitfaden sein, der Unternehmen dabei unterstützen soll, mit Hilfe von industriellem Reinforcement Learning Produktionsprozesse und -systeme zu optimieren. Unternehmen sollen befähigt werden, Potenziale und Nutzen von industriellem Reinforcement Learning im eigenen Unternehmen abschätzen zu können und bei der Implementierung eines solchen Systems unterstützt zu werden.


Best-Practice-Beispiele veranschaulichen die Methoden

Zudem werden die erforschten Reinforcement Learning Modelle und Methoden an zwei praktischen Demonstratoren erprobt und veranschaulicht:


Foto: Institut für Unternehmenskybernetik (IfU) e.V.

  • Das erste Anwendungsszenario ist ein Montageprozess für eine kontaktreiche Stift-in-Loch Aufgabe. Das langfristige Ziel besteht darin, eine autonome Montagezelle für unplanbare Montagesituationen zu erschaffen. Ein Roboter erlernt eigenständig eine geeignete Montagebewegung, ohne dass die exakten kinematischen und dynamischen Gegebenheiten von Greifsystem und Bauteil beschrieben werden müssen.
     

Foto: AZO

  • Im zweiten Anwendungsszenario wird ein komplexer pneumatischer Schüttgutförderer untersucht. Merkmale sind hier verfahrenstechnische Problemstellungen, die stark abhängig sind von Umgebungsbedingungen. Mit dem Einsatz der künstlichen Intelligenz wird nun angestrebt, den Fließprozess stets im optimalen Betriebspunkt zu halten.
     

Über das Forschungsprojekt InPulS

InPulS ist ein vorwettbewerbliches Forschungsprojekt des Forschungskreis I40 des VDMA-Forum Industrie 4.0 in Kooperation mit dem Institut für Unternehmenskybernetik e. V. (IfU) des Cybernetics Lab der RWTH Aachen, gefördert vom Forschungskuratorium Maschinenbau (FKM) e.V. und VDMA.

Projektlaufzeit: 01. Oktober 2017 bis 30. September 2019
 

Weitere Informationen

Durchführendes Forschungsinstitut: https://cybernetics-lab.de/
Externer Internetauftritt zum Projekt InPulS vom Cybernetics Lab: http://www.i40-inpuls.de/de/about

 

Save the Date: Infotag „Forschung zu Machine Learning und künstlicher Intelligenz“ am 12. September 2019

Infotag „Forschung zu Machine Learning und künstlicher Intelligenz“
am 12. September 2019 in Frankfurt

Auf der Veranstaltung werden der Handlungsleitfaden und seine Anwendung den Teilnehmern vorgestellt und mit Erfahrungen aus den Unternehmen konkretisiert. Zudem wird es Einblicke in weitere industrielle Anwendungen und Forschungsprojekte aus dem Umfeld künstliche Intelligenz geben sowie eine Übersicht zu aktuellen Aktivitäten in der Forschung und künstlicher Intelligenz beim VDMA.

zum Programm

zur Anmeldung

Downloads