Mit Hilfe von Machine Learning und wenigen Daten Prozesse optimieren

Shutterstock

In dem gemeinschaftlichen vorwettbewerblichen Forschungsprojekt „Intelligente und selbstlernende Produktionsprozesse (InPulS)“ haben VDMA-Mitglieder gemeinsam mit WissenschaftlerInnen untersucht, wie Maschinen und Anlagen mit wenigen Daten eigenständig und durch Interaktion mit der Umgebung sich selbst die optimalen Prozesse beibringen können. Angewendet wurde dafür das Machine Learning-Verfahren „Reinforcement Learning“ und an zwei Anwendungsszenarien untersucht und erprobt.

Im Forschungsprojekt InPulS wurde einer der ersten industriellen Anwendungsfälle vom Machine Learning-Verfahren „Reinforcement Learning“ realisiert. Es wurde damit ein neues Verfahren für die Industrie entwickelt, welches sich durch besonders hohe Dateneffizienz, Robustheit und Generalisierungsfähigkeit auszeichnet und ist damit den industriellen Anforderungen gewachsen. Die industrielle Anwendbarkeit konnte in der Steuerung eines pneumatischen Schüttgutförderers erstmalig gezeigt werden: Gegenüber einer initial gewählten Steuerungsstrategie wurde eine Effizienzsteigerung um 20% erreicht. Dabei wurde die Steuerungsstrategie mit wenigen Trainingsdaten erlernt und konnte anschließend von einem Fördergut (Trainingsmaterial) auf ein anderes (Testmaterial) übertragen werden.
 

Herausforderung für die Industrie

Für KMU ist die Integration von Automatisierungslösungen aufgrund der hohen Investitionskosten häufig wirtschaftlich nicht tragbar. Insbesondere in der Automatisierungs- bzw. in der Steuerungstechnik von Maschinen und Anlagen liegen über Jahre gewachsene, starre Systeme vor, deren technologische Fähigkeiten stark auf den jeweiligen Einsatzzweck ausgerichtet sind. Ein aussichtsreicher Lösungsansatz zur Integration neuester Technologien trotz wechselnder Randbedingungen, Prozessstörungen und geringer Losgrößen ist der Einsatz von Verfahren aus dem Forschungsfeld der künstlichen Intelligenz (KI). Besonders vielversprechend im Bereich der Steuerungstechnik ist dabei der Bereich Reinforcement Learning.

Trotz des großen Potentials des Reinforcement Learning ist diese Methodik in der Industrie bisher nicht verbreitet. Dies lässt sich zum einen auf die industriellen Anforderungen hinsichtlich Robustheit, Sicherheit und Dateneffizienz zurückführen. Zum anderen sind bisher wenig konkrete Anwendungsbeispiele bekannt, die als „Leuchttürme“ dienen.
 

Lösungen aus dem Projekt InPulS

Im Rahmen des Projektes InPulS wurden daher zunächst mit VDMA-Mitgliedern aus dem Arbeitskreis „Forschung Industrie 4.0“ des VDMA-Forum Industrie 4.0 Anforderungen an neue industriell anwendbare Lernverfahren ermittelt. Unter Berücksichtigung dieser wurden die Anwendungsszenarien pneumatischer Schüttgutförderer und kraftgeregelter Fügeprozess mit einem Roboterarm identifiziert und das neue Reinforcement Learning Verfahren daran entwickelt.

Damit wurde einer der ersten industriellen Anwendungsfälle von Reinforcement Learning realisiert und so die Möglichkeit der Integration dieser hochkomplexen Verfahren auch für KMU demonstriert. Neben der Dokumentation im Forschungsbericht wurden im Rahmen von InPulS die gewonnenen Erkenntnisse zudem in einem Handlungsleitfaden formuliert. Der Leitfaden „Selbstlernende Produktionsprozesse – Einführungsstrategie für Reinforcement Learning in der industriellen Praxis“ führt in das Thema Machine Learning ein und zeigt Schritt für Schritt, wie eine Einführung von industriellem Reinforcement Learning im eigenen Unternehmen ablaufen kann. Die formulierten Handlungskonzepte erleichtern es KMU, eine geeignete Einführungsstrategie für Reinforcement Learning zu ermitteln und so die Anwendbarkeit in KMU sicherzustellen. So kann das Potential dieser Technologie genutzt und basierend darauf neue Geschäftsmodelle entwickelt werden.
 

Projekthintergrund

InPulS wurde als vorwettbewerbliches Forschungsprojekt des VDMA-Forum Industrie 4.0 in Kooperation mit dem Institut für Unternehmenskybernetik e. V. (IfU) des Cybernetics Lab der RWTH Aachen und einem projektbegleitenden VDMA-Industriearbeitskreis durchgeführt. Gefördert wurde das Projekt vom Forschungskuratorium Maschinenbau (FKM) e.V. und VDMA in der Zeit vom 01. Oktober 2017 bis 30. September 2019.
 

Abschlussbericht und Leitfaden zum Download und als Print-Ausgabe

Die Ergebnisse des Projekts InPulS sind im Abschlussbericht beschrieben und stehen zum Download zur Verfügung. Zudem wurde während des Projekts eine Software für die beiden Anwendungsszenarien mit zugehöriger Dokumentation entwickelt, die auf THEMIS, der Kommunikations- & Wissensplattform für industrielle Gemeinschaftsforschung im Maschinenbau erhältlich sind. VDMA-Mitglieder können sich dort kostenlos registrieren. Bei Rückfragen wenden Sie sich bitte an Judith Binzer, judith.binzer@vdma.org.

Ebenso steht der Leitfaden „Selbstlernende Produktionsprozesse – Einführungsstrategie für Reinforcement Learning in der industriellen Praxis“ zum Download zur Verfügung. Die Print-Version erhalten Sie bei Anita Siegenbruk, anita.siegenbruk@vdma.org

 

Weitere Informationen

Internetauftritt zum Projekt InPulS (Urheber: Cybernetics Lab):
http://www.i40-inpuls.de/de/about

Institut für Unternehmenskybernetik e. V. (IfU) des Cybernetics Lab der RWTH Aachen: https://cybernetics-lab.de/

 

Downloads

Ähnliche Artikel