Machine Learning Schritt für Schritt erfassen

Machine Learning Schritt für Schritt erfassen

Neuer VDMA-Leitfaden Selbstlernende Produktionsprozesse

Der neue Leitfaden ‚Selbstlernende Produktionsprozesse‘ des VDMA-Forum Industrie 4.0 unterstützt Leser im Thema Machine Learning, speziell im industriellen Reinforcement Learning. Es wird Schritt für Schritt dargestellt wie eine Einführung im eigenen Unternehmen ablaufen kann. Anwendungsbeispiele verdeutlichen die Vorgehensweise.


In Zusammenarbeit mit dem Institut für Unternehmenskybernetik aus Aachen und einem projektbegleitenden VDMA-Industriearbeitskreis hat das VDMA-Forum Industrie 4.0 den Leitfaden ‚Selbstlernende Produktionsprozesse – Einführungsstrategie für Reinforcement Learning in der industriellen Praxis‘ entwickelt. Dieser wurde mit Erfahrungen aus dem Maschinenbau konkretisiert. Ziel ist es, mit dem Leitfaden Schritt für Schritt die Einführung von Machine Learning in der Breite anzugehen und damit den VDMA-Mitgliedern eine praxisnahe Anleitung an die Hand zu geben. Es wird ein Werkzeug zur Entwicklung einer eigenen Einführungsstrategie zur Verfügung gestellt sowie Grundlagen und Begrifflichkeiten erläutert. Vorgegebene Leitfragen und Werkzeugkästen helfen dabei.

Machine Learning ist eine Technologie zur Umsetzung von Industrie 4.0. Als Teilgebiet der künstlichen Intelligenz bringt Machine Learning für den Maschinen- und Anlagenbau neue Ansätze in der Optimierung von Produkten und Prozessen.

Reinforcement-Methode für Machine Learning

Ein interessantes Machine-Learning-Verfahren ist Reinforcement Learning, welches auf dem Prinzip der Belohnung basiert und Lernen durch Ausprobieren bedeutet. Es ist besonders vielversprechend für die Steuerung von industriellen Prozessen, und eignet sich insbesondere darin, intelligente Steuerungsstrategien im Industrie-4.0-Kontext zu erlernen.

Echtzeit als zentrales Argument

Mithilfe von Reinforcement Learning können Steuerungsstrategien sowohl für sehr komplexe Prozesse als auch für komplexe Umweltbedingungen von Maschinen gelernt werden, ohne diese explizit modellieren zu müssen. Ein weiterer Vorteil von ist die Möglichkeit, eine Steuerungsstrategie in Echtzeit zu ermitteln, während dies mithilfe einer Simulation zu rechenintensiv wäre. „In unserem Anwendungsbeispiel bei AZO konnte gezeigt werden, dass Machine-Learning-Verfahren das Potenzial haben, komplexe Prozesse effizienter zu steuern“, sagt Dieter Herzig, CDO bei AZO und Obmann im projektbegleitenden VDMA-Arbeitskreis.

Über das Forum Industrie 4.0

Das Forum besteht aus einem interdisziplinären Team von VDMA-Experten. Als Partner bieten sie den Mitgliedsunternehmen sowie den Fachverbänden und Abteilungen des VDMA in den maßgeblichen Handlungsfeldern Unterstützung an.

Anzeige

Anzeige

Das könnte Sie auch Interessieren

Bild: Abat AG
Bild: Abat AG
Forschungskooperation verlängert

Forschungskooperation verlängert

Bild: Abat AG Voneinander und miteinander lernen, gemeinsam an innovativen Ideen für den Markt innerhalb von Forschungskooperationen tätig sein - seit mehreren Jahren schon besteht eine enge Zusammenarbeit zwischen der Bremer Abat AG und der Uni Oldenburg (Abteilung...

Image: Xilinx Inc.
Image: Xilinx Inc.
Adaptive AI Vision

Adaptive AI Vision

Image: Xilinx Inc. Die Kria SOMs ermöglichen den schnellen Einsatz durch Bereitstellung einer End-to-End Lösung auf Board-Ebene mit vorkonfiguriertem Software Stack. Das Kria K26 SOM basiert auf der Zynq UltraScale+ MPSoC Architektur, die einen Quad-Core Arm Cortex...