Assistance Evaluation System for Machine Learning (EaSy-ML)

Die Sammlung und Analyse von Maschinendaten sind für eine kostenoptimierte und qualitativ hochwertige Produktion sehr wertvoll. Die schiere Masse dieser Daten macht es allerdings oft unmöglich, die für eine Produktionsoptimierung relevanten Daten manuell oder teilautomatisiert zu selektieren und auszuwerten. Algorithmen des Maschinellen Lernens (ML) sind nun mit Hilfe von komplexen statistischen Methoden in der Lage, in diesen Massendaten Zusammenhänge und Einflüsse von Maschinendatenverläufen (z.B. Druck, Temperatur) auf Maschinenzustände und Produktqualität aufzudecken. Gerade kleine und mittelständische Unternehmen (KMU) scheuen aber häufig die hohen Kosten für den Einsatz solcher ML-Methoden. In diesem Projekt wird daher ein intelligentes, für KMU erschwingliches, Assistenzsystem entwickelt, mit dem die Prozessverantwortlichen selbst befähigt werden, die Methoden und Algorithmen des ML auf die gesammelten Maschinendaten anzuwenden. Damit werden das Know How des Werkers und die Möglichkeiten der ML-Algorithmen intelligent und zielgerichtet miteinander verbunden.

#Maschinelles Lernen #Mittelstand #Industrie 4.0 #Digitalisierung #Condition Monitoring #Maschinendatenerfassung #Produktionsoptimierung #Predictive Maintenance

Projektursprung

Erfahrungsgemäß sind die Analyseergebnisse von ML-Methoden für den Anwender oft nicht ohne weiteres nachvollziehbar. Das schürt Misstrauen und verhindert, auch wegen der hohen Implementierungskosten, den ML-Einsatz bei KMU. Daraus entstand die Idee, in Kooperation mit dem ibo-institut, der ODION GmbH und der ZeMA gGmbH ein entsprechendes Assistenzsystem zu entwickeln. 

Projektnutzen

Das vorhandene Know-How des Maschinenpersonals über Produktionsprozesse und Maschinendaten wird ergänzt um Erkenntnisse, die mittels Machine Learning Algorithmen über die Produktion gewinnen, und umgekehrt.

Projektziele

Ziel des EaSyML-Projekts ist es, die hohen Kosten für die Produktionsoptimierung mittels maschinellem Lernen für KMU signifikant zu reduzieren, indem die Werker selbst befähigt werden, die Methoden des maschinellen Lernens auf die gesammelten Daten anzuwenden.

Sie benötigen mehr Informationen zum Projekt?

Sprechen Sie uns gerne an. Unser Team steht ihnen für Rückfragen gerne zur Verfügung!

Projektleitung

Prof. Dr. Ralf Oetinger

+49 (0) 681/5867-264
oetinger@htwsaar.de

In Kooperation mit:

Das Projekt wird unterstützt durch: