Die Veranstaltung am 17. Mai 2022 wurde leider kurzfristig abgesagt.

Künstliche Intelligenz (KI) in der Industrie hat viel Potential. Produktion und Services können stetig analysiert und verbessert werden. Das Fraunhofer IKS stellt ein Framework für den Daten- und KI-Lebenszyklus vor, das dieses Potential ausschöpft. Anhand eines Beispiels "Predictive Maintenance einer Produktionslinie" soll das Framework veranschaulicht werden.

Hoai My Van, wissenschaftliche Mitarbeitern am Fraunhofer IKS, wird hierzu am 17. Mai um 11:00 Uhr im Science Congress Center München-Garching referieren. Die Veranstaltung findet in Präsenz statt.

Hoai My Van ist seit Oktober 2020 am Fraunhofer IKS tätig,  studierte Elektrotechnik und Informationstechnik an der TU München mit Schwerpunkt auf Machine Intelligence. Aktuell forscht sie an flexiblen und adaptiven Architekturen, speziell für Künstliche Intelligenz.

Künstliche Intelligenz in der Industrie 4.0

Die flexiblen Abläufe in der automatisierten Industrie erhöhen die Komplexität des Systems enorm. Herkömmliche Analyse- und Optimierungsverfahren kommen dabei an ihre Grenzen.

Über maschinelle Lernverfahren und sogenanntes Datamining kann aus den Daten cyber-physischer Systeme ein flexibler Zustandsautomat erlernt werden. Das durch die Künstliche Intelligenz (KI) erzeugte Modell bildet nicht nur eine Kopie des Verhaltens ab, sondern den Rahmen des Normalverhaltens.

Über diese dynamischen Zustandsautomaten von Prozessketten werden Zusammenhänge und Abhängigkeiten sichtbar, die zu komplex sind, um sie über andere Methoden überhaupt zu erkennen. Dabei kann zunächst das Zeitverhalten einer einzelnen Maschine betrachtet werden, aber auch das Interaktionsverhalten ganzer Anlagen. Das digitale Pendant der physischen Anlage oder Maschine wird häufig als »digitaler Zwilling« bezeichnet. Er ist nicht nur eine Kopie vergangenen Verhaltens, sondern eine digitale Repräsentation, die den gesamten realen Lebenszyklus begleitet.

Eine Überwachungsinstanz nutzt dann dieses Modell zur Beobachtung des realen Systems und analysiert die Produktionsprozesse als Ganzes. Latente Verhaltensmuster, die aus den Daten erlernt werden, bilden die Basis für umfassende Optimierungen und Prozessautomatisierung.