Fraunhofer-Institut für Fabrikbetrieb Früherkennung potenzieller Störungen der Produktion durch maschinelles Lernen
Im Leitprojekt »ML4P« forschen sechs Fraunhofer-Institute unter Leitung des Fraunhofer IOSB an Methoden und Werkzeugen, um systematisch Potenziale des maschinellen Lernens (ML) im Produktionsumfeld zu erschließen.
Das Fraunhofer IFF untersucht in einem Anwendungsmodul und einem Technologiemodul den Einsatz von ML-Modellen zur Erkennung potenzieller Störungen und Qualitätsabweichungen in Produktionsabläufen und deren Vermeidung. Als Anwendungsfall dient eine Anlage zur Herstellung von Wasserfiltern, die von der SUEZ WTS Germany GmbH am Standort Bitterfeld im Mehrschichtbetrieb betrieben wird. Ziel ist die Erhöhung der Produktivität und Qualitätsrate der Anlage. Dazu wurde die Anlage mit zusätzlichen Sensoren ausgestattet, mit denen die kontinuierliche Überwachung eines die Qualität des Endproduktes maßgeblich beeinflussenden Stapel- und Wickelprozesses möglich ist. Das Technologiemodul befasst sich mit dem sicheren Einsatz der ML-Modelle im laufenden Anlagenbetrieb sowie mit ihrer Einbindung im Anlagenengineering. Die erfassten Daten werden an eine konfigurierbare ML-Verarbeitungspipeline angebunden, in der die Datenvorverarbeitung, -analyse, das Training adäquater ML-Modelle sowie die Bereitstellung der Bewertungsergebnisse auf einem Assistenzsystem für den Anlagenbediener erfolgen. Aufgrund geltender Sicherheitsrichtlinien wird das Verfahrensmodell im Edge-Computing, d.h. lokal an der Anlage, betrieben.
Das Verfahrensmodell wird auch an einer Demonstrationsanlage am Fraunhofer IFF eingesetzt. Hier werden Betriebsdaten über die Cloud-Module der ML-Verarbeitungspipeline analysiert und bewertet. Potenzielle Störungen lassen sich so zuverlässig vorhersagen.
Weitere Informationen finden Sie hier.
