- Anzeige -
Lesedauer: min
Künstliche Intelligenz und Maschinelles Lernen für die Produktion

Aug 15, 2019 | Industrielle Produktion

Wichtiges Kennzeichen von Industrie 4.0 ist die durchgängige Vernetzung und Durchdringung aller Komponenten der Fabrik sowie kompletter Wertschöpfungsketten mit Sensorik, eingebetteten Systemen und Kommunikationstechnik. Dadurch fallen von der Planung der zu fertigenden Produkte und Produktionsmittel über ihre Herstellung bis zur Nutzung der Produkte große Mengen an Daten an, die meist maschinell erzeugt werden. Diese Daten sind Grundlage für moderne und mächtige Analyse- und Auswerteverfahren, die heute als ‚Künstliche Intelligenz‘ (KI) bezeichnet werden.

Entweder stammen die Daten aus den Maschinensteuerungen, aus der existierenden Sensorik der Maschine und/oder aus nachgerüsteten intelligenten Sensoren. Jeder Anwendungsfall erfordert seine spezifischen Daten. Also ist festzulegen, welche Granularität der Daten für eine bestimmte Aufgabe erforderlich ist, wie Daten aus verschiedenen Quellen passgenau zusammengeführt werden können und in welchem Format die Daten übertragen und gespeichert werden. Zu berücksichtigen sind außerdem die Themen Datensicherheit und Datenschutz, denn mehr Vernetzung bedeutet höhere Anfälligkeit gegen Cyberangriffe.

In Produktionsprozessen wird Maschinelles Lernen eingesetzt, um ganz allgemein „Wissen“ aus „Erfahrung“ zu erzeugen – Lernalgorithmen entwickeln aus möglichst repräsentativen Beispieldaten ein komplexes Modell. Dieses Modell kann anschließend auf neue und unbekannte Daten derselben Art angewendet werden. Immer, wenn Prozesse zu kompliziert sind, um sie analytisch zu beschreiben, aber genügend viele Beispieldaten verfügbar sind, z.B. Sensordaten oder Bilder, bietet sich Maschinelles Lernen an. Die Modelle werden mit dem Datenstrom aus dem laufenden Betrieb abgeglichen und erlauben letztlich Vorhersagen oder Empfehlungen und Entscheidungen.

Wo werden zukünftig die anfallenden Daten verarbeitet oder die Modelle gelernt? Aktuell zeichnet sich ab, dass zukünftig „Edge-Rechenzentren“ diese Aufgabe übernehmen. Unter Edge-Computing versteht man, Rechenleistung, Software-Anwendungen, Datenverarbeitung oder Dienste unmittelbar an die logische Randstelle eines Netzwerks zu verlagern, z.B. einer Linie oder einer kompletten Fabrik. Edge-Rechenzentren, untereinander verbunden zu einer Cloud-Infrastruktur, sind damit skalierbar und bieten auch mittelständischen Unternehmen die Möglichkeiten, Cloud-Technologien zu nutzen, ohne in eine eigene Infrastruktur investieren zu müssen.

Autor:
Firma:

News

Weitere Beiträge

Das könnte Sie auch interessieren

Von Schlaglocherkennung bis Röntgenbild-Analyse: Was KI in der Praxis leisten kann

Bitkom veröffentlicht den Leitfaden ‚Konkrete Anwendungsfälle von Künstlicher Intelligenz & Big-Data in der Industrie‘ und zeigt an zwölf Anwendungsbeispielen, wie künstliche Intelligenz und Big Data in der Industrie eingesetzt werden können. Beim Big-Data.AI Summit am 1. und 2. April in Berlin werden werden branchenübergreifende Strategien, Technologien & Trends sowie Lösungen und gesellschaftliche Herausforderungen diskutiert.

mehr lesen

Künstliche Intelligenz in Echtzeit

Soll künstliche Intelligenz in industriellen Applikationen zum Einsatz kommen, sind vielfach parallele Rechenprozesse bei kürzesten Reaktionszeiten in Echtzeit von Nöten. Das stellt an Embedded Computer Technologien wie Computer-on-Modules mit AMD Ryzen Embedded V1000 Prozessoren ganz neue Anforderungen.

mehr lesen

Vorausschauende Wartung mit KI

Hinterher ist man bekanntlich immer schlauer. Mit künstlicher Intelligenz (KI) sieht das allerdings anders aus: Durch die Analyse von in Echtzeit erfassten Betriebsparameterwerten wird Wartungsbedarf ermittelt, bevor er anfällt. So können Maßnahmen im Voraus geplant und auf ein Minimum reduziert werden. Mitsubishi Electric nutzt hierfür seine KI-Technologie Maisart 1, die ganz einfach per Melfa-SmartPlus-Zusatzkarte am Melfa-Roboter implementiert werden kann.

mehr lesen

Schutz der Privatsphäre und KI in Kommunikationssystemen

Alle zwei Jahre vergeben der VDE, die Deutsche Telekom sowie die Städte Friedrichsdorf und Gelnhausen den mit 10.000 Euro dotierten Johann-Philipp-Reis-Preis an einen Nachwuchswissenschaftler. Dieses Jahr geht er an Prof. Dr.-Ing. Delphine Reinhardt von der Georg-August-Universität Göttingen und an Dr.-Ing. Jakob Hoydis von den Nokia Bell Labs in Nozay, Frankreich. Die beiden Preisträger teilen sich die Auszeichnung und damit das Preisgeld.

Infor bringt Infor Coleman AI auf den Markt

Infor, Anbieter von branchenspezifischer Business-Software für die Cloud, hat bekanntgegeben, dass die Plattform Infor Coleman AI für Embedded-Machine-Learning-Modelle ab sofort verfügbar ist. Sie bietet die Geschwindigkeit, Wiederholbarkeit und Personalisierung, die Unternehmen benötigen, um KI vollständig zu operationalisieren.