Schwerpunkte

Cloudera

Machine Learning macht’s nötig

14. Mai 2020, 13:30 Uhr   |  Meinrad Happacher

Machine Learning macht’s nötig
© Fotolia

Den Themen Industrial IoT und Edge Computing kommt bei der Digitalisierung der Produktionen eine Schlüsselrolle zu. Warum aber ist gerade in diesem Zusammenhang das Machine Learning so wichtig?

Eine Disziplin der künstlichen Intelligenz (KI) spielt im Kontext der digitalen Vernetzung der Unternehmen eine besondere Rolle: das Machine Learning. Als Teilgebiet der KI ermöglicht es IT-Systemen, durch die Analyse bestehender Datenbestände und Situationen Gesetzmäßigkeiten selbstständig zu er-kennen und darauf aufbauend Lösungen zu entwickeln. Dazu sammelt das System relevante Daten, extrahiert und fasst sie zusammen. Auf dieser Basis erfolgen dann die Vorhersagen.
Gleichzeitig berechnet die künstliche Intelligenz die Wahrscheinlichkeiten für die getroffenen Vorhersagen. Parallel dazu passt sich das System stets an die Entwicklungen eigenständig an und optimiert seine Prozesse anhand erkannter Muster.

Drei wesentliche Anwendungsfelder

Maschinelles Lernen kann in der Produktion im Wesentlichen in drei Feldern implementiert werden: in den Maschinen, im Prozess und im Produkt selbst. Bei den Maschinen und Anlagen dient Machine Learning dazu, den Zustand eines Fertigungsgeräts zu überwachen, potenzielle Fehler zu identifizieren und die Ursache von Ausfällen zu diagnostizieren, um die Anlagensicherheit und -effizienz zu erhöhen. Außerdem versieht es im Predictive Maintanance seinen Dienst. Machine Learning kann aber auch zur Maschinensteuerung verwendet werden. Roboter könnten auf diese Weise autark ihren Dienst nicht nach Anweisung, sondern nach Zielvor­gabe versehen und gegebenenfalls Lösungen sogar zusammen erstellen (self-learning machines).

Machine Learning wird außerdem in der Verbesserung der Produktionsprozesse eingesetzt. Es optimiert dann das Design der Prozesse und Abläufe der Serienproduktion – vor dem Beginn und im laufenden Betrieb. Auch kann es zukünftige Nach-fragetrends voraussagen oder auf Probleme hinweisen, die sich in der Supply Chain ergeben könnten. Ferner verbessert Machine Learning Termin- und Routenplanung in der Logistik, optimiert den Einsatz von Ressourcen und erstellt Prognosen von Durch-laufzeiten. Unternehmen setzen es in der Prozesskontrolle beziehungsweise der Optimierung, wie zur Vorhersage von Prozessparametern oder Produktqualität, ein.

Die Einführung des Machine Learning lässt sich bei der Planung einer neuen 
Fertigungsanlage miteinbeziehen. In diesem Fall wird der Produktionsprozess nicht eingeschränkt oder beeinflusst. Im laufenden Betrieb ist die Implementierung von Machine Learning jedoch ebenfalls möglich. Hier muss das Big-Data-System zunächst getrennt vom Produktionsbetrieb erstellt und in einer Simulation der tatsächlichen Bedingungen getestet werden, indem es Schritt für Schritt in den Realbetrieb überführt wird. Beispielsweise können so erste Maschinen in die Predictive Maintenance eingebunden werden.

Seite 1 von 3

1. Machine Learning macht’s nötig
2. Jeder muss lernen…
3. Big Data unerlässlich

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Das könnte Sie auch interessieren

Machine Learning im Edge Device
Neue Anwendungsfelder für Simulation
Das E-Paper der Ausgabe 5 ist verfügbar
Smart Data statt Big Data

Verwandte Artikel

NoName Company

Industrie 4.0 CARed