KI-Applikationen werden zunehmend auch in der industriellen Produktion eingesetzt. Eine große Herausforderung dabei ist die Skalierbarkeit, da KI-Modelle bisher nur sehr begrenzt an veränderte Produktionsbedingungen angepasst werden können. Insbesondere in dynamischen industriellen Automatisierungsumgebungen in der zum Beispiel eine Produktionslinie regelmäßig Produkte, Werkzeuge oder Prozesse wechselt, ist die geringe Übertragbarkeit von bisher bestehenden KI-Modellen hinderlich. Um KI-Modelle an veränderte Prozesskonstellationen anzupassen, müssen die Daten bisher sehr aufwändig erfasst und geändert werden, was den breitflächigen Einsatz von KI-Applikationen in der Produktion sehr erschwert.
Ziel des Vorhabens ist, eine innovative Software zu entwickeln, die das Training von KI-Modellen für datenbasierte Qualitätsanwendungen in der Produktion mit einem Minimum an annotierten Daten ermöglicht. Damit sollen ML-Applikationen in der industriellen Produktion von mittelständischen Unternehmen breiter eingesetzt werden können. Um das System praxisnah entwickeln und evaluieren zu können, werden zunächst Fallstudien definiert. Anschließend wird Messtechnik installiert, mit der sich eine qualitativ hochwertigen Datenbasis generieren lässt. Auf dieser Basis sollen geeignete Meta-Learning Methodiken bewertet und ausgewählt werden, um das System konzeptionell zu realisieren und prototypisch zu implementieren. Überdies hinaus wird das dateneffiziente Training der KI-Modelle neben Tests unter Laborbedingungen auch für verschiedene Werkzeuge und bei verschiedenen Maschineneinstellungen unter Produktionsbedingungen untersucht werden. Damit wird die Software unter realen Einsatzbedingungen bewertet.
Die Innovation der Lösung liegt in der dateneffizienten Anpassung von KI-Modellen an veränderte Produktionsbedingungen, deren Daten während des ursprünglichen Trainings nicht vorlagen. Das Projekt setzt dabei auf den Einsatz von Meta-Learning, wodurch Wissen über den Lernprozess von KI-Modellen generiert wird und anschließend ein Training von KI-Modellen mit nur wenigen Trainingsdaten möglich wird (Few-Shot Learning).
FORCAM ENISCO GmbH
Herrenberger Straße 56
1034 Böblingen
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen