Machine Learning – eine Technologie, welche die Industrie wie kaum ein anderer Trend begeistert. Von Anwendungsgebieten bei der Strukturerkennung in Daten über evolutionäres Lernen bis hin zu intelligenten Robotern bildet das automatisierte, von einem Algorithmus übernommene, Erlernen von Strukturen die Basis. Es ermöglicht technischen Systemen, aus bisherigen Ereignissen zu lernen. Die so mit Machine Learning abgeleiteten Zusammenhänge lassen sich oft auf neue, unbekannte Fälle anwenden. Für Produktions- und Planungssysteme lässt sich Machine Learning beispielsweise zur Reihenfolgenbestimmung oder zur Ressourcen- und Kapazitätsplanung nutzen. In der Prozessoptimierung wird eine höhere Anpassungsfähigkeit der Prozesse an sich ändernde Bedingungen erwartet, wodurch die Produktqualität stabilisiert werden kann. Im Qualitätsmanagement können Machine Learning-basierte Modelle zur Überwachung oder zur Prognose der Produktqualität auf Basis von Prozessdaten eingesetzt werden. So können Maßnahmen wie die Überprüfung von Stichproben reduziert werden. Besonders KMU stehen bislang vor Herausforderungen bei der Einführung von Machine Learning. Mangelndes Know-how und eine fehlende technische Infrastruktur sowie Bedenken hinsichtlich des konkreten Mehrwerts behindern laut dem International Performance Research Institute (IPRI) derzeit die Einführung. Darüber hinaus werden insbesondere bei Machine Learning hohe Ansprüche an die Datenqualität gestellt, für die besondere Maßnahmen umgesetzt werden müssten. Für die Überwindung dieser Herausforderungen fehle es bislang an einer konkreten Einführungsstrategie. Der Ansatz, der im Forschungsvorhaben "MLready" entwickelt wird, soll KMU des Maschinenbaus dazu befähigen, Machine Learning gezielt zur Steigerung der Ressourceneffizienz in Prozessen anhand der innerbetrieblichen Lieferkette einzusetzen. Dazu sollen die Herausforderungen, die sich aus den Anforderungen wie Daten und Infrastruktur ergeben, beleuchtet und Maßnahmen zur Bewältigung dieser abgeleitet werden. Hierfür werden unter anderem folgende Projektbausteine erarbeitet:
- Identifikation von Anwendungsfällen, deren Anforderungen sowie Potenzialen
- Identifikation und Bewertung der erforderlichen Datenquellen
- Entwicklung einer KMU-spezifischen Einführungsstrategie für relevante Machine Learning-Ansätze
- Durchführung von Fallstudien zur Untersuchung der Mitarbeiterakzeptanz sowie Validierung der Einführungsstrategie
- Ausgestaltung einer Roadmap für die Einführung von Machine Learning
"MLready" ist ein Kooperationsprojekt des IPRI und des Instituts für Integrierte Produktion Hannover (IPH) und läuft bis Februar 2024. Es richtet sich speziell an kleine sowie mittlere Unternehmen des Maschinenbaus. Diese können über den Projektausschuss und durch Fallstudien in das Projekt eingebunden werden. Interessierte Unternehmen können sich beim IPRI (Herr Garlef Hupfer: ghupfer@ipri-institute.com) bezüglich einer Kooperation melden. Die Teilnahme am Forschungsprojekt ist laut dem Institut kostenlos und unverbindlich.
Autor(en): wi
