EaSy ML – Maschinelles Lernen für KMU

EaSy ML – Maschinelles Lernen für KMU

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.

Kostenoptimale Produktion verbunden mit hoher Prozess- und Produktqualität ist ein zentrales Versprechen der Industrie 4.0 und der damit einhergehenden Digitalisierung. Um dies zu erreichen ist eine möglichst hohe Transparenz der Produktionsprozesse notwendig. Wesentliche Informationsquellen dabei sind die Maschinendaten, die über entsprechende Sensoren abgegriffen werden. In den letzten Jahren haben sich Standards zur Gewinnung von Maschinendaten etabliert, die es erlauben, Daten der fertigenden Maschinen direkt aus der Produktion einzusehen und zu speichern. Diese Erfassung von Maschinendaten hat inzwischen ein Maß erreicht, in dem es die schiere Masse an Daten verschiedenster Maschinen unmöglich macht, diese manuell zu überblicken. Somit können letztendlich die Daten nicht oder nur sehr schwer genutzt werden, um die Produktion zu verbessern und Kosten, z.B. durch vorausschauende und zustandsbasierte Wartung, zu sparen.

Es existieren zahlreiche Beispiele dafür, wie Verfahren des maschinellen Lernens (ML) helfen, Daten zu analysieren, zu verknüpfen und neue Erkenntnisse über die Produktion zu gewinnen. Ein oberflächliches Verständnis der Algorithmen und Verfahren reicht jedoch oft nicht aus, um sinnvolle Rückschlüsse aus den Produktionsdaten zu ziehen. Dies ist vor allem darin begründet, dass die Domäne sehr komplex ist und viele Verfahren existieren, deren Auswahl sich wesentlich auf die zu erwartenden Resultate auswirkt. Daher müssen Unternehmen oft kostenintensive Projekte mit Machine-Learning Experten durchführen, um Fragestellungen zu erarbeiten, die entsprechenden Verfahren auszuwählen und anzuwenden. Gerade KMU scheuen diese hohen Kosten, auch wenn sich diese durch Effizienzsteigerungen mittelfristig wieder amortisieren.

Das im Forschungsprojekt entwickelte System soll jedem KMU die Möglichkeit bieten, das Knowhow der Werker über die eigene Fertigung und Maschinen dahingehend zu nutzen, dass dieses Wissen verwendet wird, um selbst schwierige und aufgrund der komplexen Datenlast für Menschen uneinsichtige Relationen und Sachverhalte innerhalb der Produktion aufzudecken. Das System bindet somit das Wissen des Werkers optimal ein und ermöglicht es auf einfachste Weise, modernste Analyse-Methoden ohne langwierige und kostenintensive Projekte einzusetzen. EaSyML soll so die Wettbewerbsfähigkeit der KMU steigern, ohne dass hohe Investitionen entstehen. Damit bleibt das unternehmerische Risiko gering und die Hemmschwelle zum Einstieg in die Industrie 4.0 wird niedrig gehalten.

Gefördert durch