Motivation
Vollautomatisierte Produktionsanlagen laufen meist mit einer geringeren Produktivität von real unter 70 Prozent, weil die Mitarbeitenden erst mit Auftreten eines Problems reagierenund mit der Ursachensuche bzw. einer angepassten Prozessplanung beginnen können. Um die Produktivität der Anlagen zu steigern, soll zukünftig ein intelligenter Service im Hintergrund „mitdenken“. Dieser erlernt kontinuierlich Verhaltensmodelle realer Kombinationen vieler ähnlicher Werkzeuge auf vergleichbaren Maschinen und darauf aufbauend virtuell optimierte Verhaltensmodelle für spezifische Kombinationen.
Ziele und Vorgehen
Ziel des Projektes ist es, die existierende prototypische Software DarWIN von einem Batch-Lerner (d.h. Laden eines großen Datensatzes von mehreren Tagen und mehreren Maschinen zur einmaligen Auswertung) hin zu einem Online-Lerner weiterzuentwickeln, d.h. zu einem kontinuierlich lernenden Softwarewerkzeug, das damit Optimierungsvorschläge für die Produktionsplanung generiert. Dazu soll das bisher verwendete Modell mit weiteren Machine Learning Modellen erweitert und unter industriellen Bedingungen an Spritzgießmaschinen iterativ getestet und validiert werden. Die dafür notwendige KI-Expertise wird im Unterauftrag durch das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA eingebracht. Der Süddeutsche Kunststoff-Zentrum e.V. (SKZ) stellt eine geeignete Testumgebung mit realen Maschinenkomponenten zur industrienahen Evaluierung zur Verfügung.
Innovationen und Perspektiven
Nach Projektende soll daraus innerhalb von sechs Monaten eine kommerziell verwertbare DarWIN Edge-Cloud-Softwarekombination entwickelt werden.