Der neue VDMA-Leitfaden unterstützt beim Thema Machine Learning

Der neue VDMA-Leitfaden unterstützt beim Thema Machine Learning und zeigt Schritt für Schritt auf, wie die Einführung im eigenen Unternehmen ablaufen kann. ©zapp2photo – stock.adobe.com

In Zusammenarbeit mit dem Institut für Unternehmenskybernetik (IfU) aus Aachen und einem projektbegleitenden VDMA-Industriearbeitskreis hat das VDMA-Forum Industrie 4.0 den Leitfaden „Selbstlernende Produktionsprozesse – Einführungsstrategie für Reinforcement Learning in der industriellen Praxis“ entwickelt. Ziel ist es, mit dem Leitfaden Schritt für Schritt die Einführung von Machine Learning in der Breite anzugehen und damit den VDMA-Mitgliedern eine praxisnahe Anleitung an die Hand zu geben. Es wird ein Werkzeug zur Entwicklung einer eigenen Einführungsstrategie zur Verfügung gestellt sowie Grundlagen und Begrifflichkeiten erläutert. Vorgegebene Leitfragen und Werkzeugkästen helfen dabei.

Reinforcement-Methode für Machine Learning

Machine Learning ist eine wichtige Technologie zur Umsetzung von Industrie 4.0 und bringt für den Maschinen- und Anlagenbau neue Ansätze in der Optimierung von Produkten und Prozessen. Ein Machine Learning-Verfahren ist das Reinforcement Learning, welches auf dem Prinzip der Belohnung basiert und Lernen durch Ausprobieren bedeutet. Es ist  vielversprechend für die Steuerung von industriellen Prozessen, und eignet sich darin, intelligente Steuerungsstrategien im Industrie 4.0-Kontext zu erlernen.

Mithilfe von Reinforcement Learning können Steuerungsstrategien sowohl für sehr komplexe Prozesse als auch für komplexe Umweltbedingungen von Maschinen gelernt werden, ohne diese explizit modellieren zu müssen. Ein weiterer Vorteil von Reinforcement Learning ist die Möglichkeit eine Steuerungsstrategie in Echtzeit zu ermitteln, während dies mithilfe einer Simulation zu rechenintensiv wäre.

Best-Practice-Beispiele veranschaulichen die Methoden

Zwei Anwendungsbeispiele verdeutlichen die Vorgehensweise:

  • Für das erste Beispiel wurde am Institut für Unternehmenskybernetik e.V. ein wissenschaftlicher Demonstrator aufgebaut, welcher mithilfe von Reinforcement Learning einen autonomen, kraftgeregelten Montageprozess erlernt.
  • Das zweite Anwendungsszenario wurde im Technikum der AZO GmbH + Co. KG realisiert. In diesem Szenario wird eine verfahrenstechnische Problemstellung am Beispiel eines pneumatischen Schüttgutförderers adressiert.

„In unserem Anwendungsbeispiel bei AZO konnte gezeigt werden, dass Machine Learning Verfahren das Potenzial haben, komplexe Prozesse effizienter zu steuern“, sagt Dieter Herzig, CDO der AZO GmbH + Co. KG und Obmann im projektbegleitenden VDMA-Arbeitskreis.

Video: „Der Maschinenbau soll besser heute als morgen auf ML setzen.“

Quelle: Hannover Messe