Machine Learning (ML) Algorithmen ermöglichen es, aus hochdimensionalen und großen Datenmengen Informationen zu gewinnen, um die menschliche Entscheidungsfindung zu unterstützen oder autonom Entscheidungen zu treffen. In der Produktionstechnik bestehen aber große Schwierigkeiten, das Nutzenpotenzial von ML zu erschließen. Das Projekt AIDpro ist auf der Suche nach Unternehmen, die daran interessiert sind, ausgehend von der Umsetzung einer ML-Pilotanwendung weitere Herausforderungen der Prozessdigitalisierung gemeinsam mit dem Projektbeteiligten zu lösen.
Wer das Potenzial von Prozessdaten und die damit verbundenen Effizienzvorteile voll ausschöpfen möchte, muss eine höchstmögliche Datenqualität sicherstellen. Neben mangelnden Digitalisierungskompetenzen ist das eine große Herausforderung im produktionstechnischen Umfeld. Um die Qualität von Prozessdaten sicherzustellen und so das Fundament für produktionstechnische Machine Learning -Anwendungen zu legen, haben das Fraunhofer Institut für Produktionstechnik IPT aus Aachen und das Fraunhofer Institut für Angewandte und Integrierte Sicherheit AISEC das Entwicklungsvorhaben AIDpro (kurz für Anomaliedetektion in der Produktion) ins Leben gerufen.
In der Produktion liegt die Herausforderung in der Interaktion mit der realen Welt. Mit Hilfe von Sensorik wird versucht, den Zustand von Bauteilen, Fluiden, Prozessen oder Maschinen zu eindeutig zu bestimmen. Allerdings unterliegen die Daten Messrauschen, werden mit unterschiedlichen Frequenzen erzeugt, werden beeinflusst von Sensorfehlern, Umgebungseinflüssen und falschen Prozesseinstellungen. Sie stellen damit nur eine unsichere Abschätzung der realen Zustände dar.
Hier liegt der Schlüssel zum Erfolg in der Datenqualität. Seit Beginn der vierten industriellen Revolution haben viele Unternehmen Daten unstrukturiert in großen Mengen gespeichert in der Hoffnung zu, dass der Wert dieser Daten künftig erschlossen werden kann. Diese Datensätze haben sich oft als nicht verwertbar herausgestellt. Mittlerweile bemühen sich neue Datenstrategien bereits bei Datenaufnahme um eine höchstmögliche Datenqualität.
Ziel von AIDpro ist die Entwicklung einer standardisierten Datenqualitätssicherung für Produktionsprozesse mithilfe von Datenvalidierungsansätzen und KI-basierter Erkennung von anomalen Daten in enger Zusammenarbeit mit produzierenden Unternehmen. Durch eine standardisierte Sicherheitsschicht werden Prozessrohdaten validiert, indem die Daten fortlaufend überwacht und auf ihre Integrität hin überprüft werden. Ausreißer werden ermittelt und abgefangen. Auch sich zeitlich ausbildende Datendrifts, die beispielsweise aufgrund von Verschleiß eine wesentliche Herausforderung in Produktionsprozessen darstellen, sollen sich detektieren lassen.
Neben den technologischen Vorteilen können die teilnehmenden Unternehmen durch Austausch im Konsortium ihre Kompetenzen in Digitalisierungsthemen ausbauen, eigene Themen, Fragestellungen und Anwendungsfälle mit einbringen und wichtige Kontakte zu Forschungsinstituten und Industrieunternehmen für strategische interdisziplinäre Kooperationen knüpfen.
Detailliertere Informationen zum Vorhaben und Beteiligungsmöglichkeiten finden sich im Projektsteckbrief.