Karlsruher ForschungsfabrikMachine learning kann entscheidend dazu beitragen, Optimierungspotenziale in industriellen Fertigungsprozessen zu identifizieren und nutzen. Aber: Derzeit scheitern viele ML-Vorhaben an hohen Kosten. Deshalb werden fortschrittliche Werkzeuge und Lösungen benötigt, die eine zeiteffiziente und kostengünstige Umsetzung ermöglichen.
Deshalb wurden in RICE entsprechende Hard- und Softwarewerkzeuge entwickelt, die als Retrofit-Lösung an bestehende Anlagen angeschlossen werden können. RICE-Sensoren erfassen die Prozessdaten, die RICE-Software verarbeitet sie. Aktoren (u. a. Roboter) können je nach Applikation in die Prozesse einwirken, etwa um automatisiert Messreihen aufzunehmen und so die Trainingsdatenbasis für die Machine-learning-Algorithmen zu verbessern.
Projektziele
- Entwicklung von Hard- und Software für die schnelle (Über-)Instrumentierung von Produktionsprozessen - auch als Retrofit-Lösung
- um damit relevante Daten zu erfassen (auch über automatisiert erhobene Messreihen) und prozessspezifische Machine-Learning-Modelle zu trainieren
- für die kostengünstige Umsetzung von Machine-Learning-Projekten in der Produktion, sei es zu schnellen Reifmachung von Maschinen und Anlagen oder zur Optimierung bestehender Prozesse.
Pilotphase
Die in der Forschungsfabrik entwickelten Werkzeuge werden derzeit bei einem Metallverarbeitungsbetrieb und einem Kunststofhersteller - erprobt. Im ersten Fall soll das RICE-System helfen, bisher manuelle Prüfvorgänge, z. B. die Prüfung von Dreh- und Frästeilen, zu automatisieren sowie End-of-Line-Prüfungen von Bustürantrieben durchzuführen. Im zweiten Betrieb soll etwa je nach Restfeuchte im zugeführten Material automatisch die Trocknung angepasst werden. Zudem werden die erfassten Umgebungs- und Maschinendaten für die Verschleißabschätzung und die adaptive Maschinenwartung genutzt.
