Industrie und Produktion
Der Forschungsbereich Industrie und Produktion beschäftigt sich mit der Erforschung und Integration von Maschinellem Lernen (ML) und Künstlicher Intelligenz (KI) in der Fertigungstechnik.
Neben der Produktion von Bauteilen in der vorgegebenen Qualität als Zielsetzung stehen im produktionstechnischen Umfeld verschiedene Ressourcen im Mittelpunkt, welche es zu minimieren gilt. Hierzu zählen beispielsweise die Reduktion von Maschinenzeiten sowie Kosten für verwendete Werkzeuge, Werkstücke und Energie. Traditionell werden oft technologische Untersuchungen oder simulationsbasierte Ansätze verfolgt, um Prozessentwicklung und Betrieb ressourcenorientiert zu optimieren.
Maschinelles Lernen für wirtschaftliche und nachhaltige Produktionsprozesse
Das ML stellt ein sich rapide entwickelndes Feld dar, das die Art und Weise, wie komplexe Systeme analysiert und verstanden werden, transformiert, indem es die Erkennung von signifikanten Mustern und Beziehungen aus großen Datensätzen automatisiert. Daher kann die Einbeziehung von ML in die Fertigungstechnik die Wettbewerbsfähigkeit und Nachhaltigkeit von Produktionsprozessen erheblich verbessern. Im Speziellen ist es durch die Integration von ML-Methoden möglich, Vorhersagen mit einem hohen Grad an Generalisierung zu erzielen, welche durch technologische oder simulative Ansätze nicht zu realisieren wären.
Innerhalb des Forschungsbereichs Industrie und Produktion wird daher insbesondere auf die Kombination von Prozessdaten, Simulationen und Methoden des ML im Rahmen des hybriden Lernens am Beispiel von unterschiedlichen Produktionsprozessen fokussiert, um den experimentellen Aufwand zur Analyse und Modellierung von Prozesscharakteristiken zu minimieren. Neben Simulationen werden dabei auch generative Modellierungsmethoden untersucht, um die Datensätze durch weitere synthetische Daten zu augmentieren. Dies ist insbesondere vorteilhaft, um den manuellen Annotierungsaufwand zur Erstellung der Labels zu verringern, welcher nötig ist, um überwachtes Lernen durchführen zu können.
Ansprechpartner
Prozessbegleitende Optimierung auf Basis von Daten, Wissen und Kontext
Der Forschungsbereich lehnt sich dabei an die trianguläre KI als übergeordnete strategische Ausrichtung der Forschung am Lamarr-Institut an, indem datenbasierte Beobachtungen mit Wissen aus physikalischem und expertenbasiertem Domänenwissen in einem speziellen produktionstechnischen Kontext, wie z. B. zur Verschleißvorhersage für Maschinen oder Werkzeuge, kombiniert werden. Dabei werden auch tangentiale Herausforderungen, wie z. B. Concept Drift, adressiert, die aus sich verändernden Prozessbedingungen und Daten resultieren.
Durch die wissenschaftlichen Untersuchungen im Forschungsbereich Industrie und Produktion soll ein signifikanter Beitrag zu einer Vision geleistet werden, in der Prozesscharakteristiken und -zustände in der produktionstechnischen Landschaft automatisch analysiert werden, um perspektivisch prozessbegleitende Optimierungsempfehlungen ableiten und gelernte Modelle durch neue, im Betrieb gewonnene Daten kontinuierlich verbessern zu können.