zur Hauptnavigation springen zum Inhaltsbereich springen

BayWISS-Kolleg Produktionstechnik www.baywiss.de

Projekte im Kolleg Produktionstechnik

Kombination von Wissen und Deep Learning für Vorhersagen und Instandhaltungsmanagement

In der jüngsten Vergangenheit haben Deep-Learning-Ansätze bemerkenswerte Ergebnisse im Bereich der Vorhersage und des Instandhaltungsmanagements (PHM) erzielt. Diese Algorithmen stützen sich auf große Mengen von Daten, die oft nicht zur Verfügung stehen und liefern oft Ergebnisse die schwer zu interpretieren sind. Vor dem breiten Erfolg des Deep Learning wurden maschinelle Fehler oft mit Hilfe von Fachwissen Erfahrungswissen und physikalischen Modellen klassifiziert. Im Vergleich dazu, benötigen diese Ansätze nur geringe Datenmengen und liefern gut interpretierbare Ergebnisse. Der Nachteil ist jedoch, daß sie jedoch Schwierigkeiten haben, unerwartete, in den Daten verborgene Muster
zu entdecken. Dieses Projekt zielt darauf ab, Wissen und Deep Learning  zu kombinieren, um die Genauigkeit, Robustheit und Interpretierbarkeit der aktuellen Modelle zu erhöhen.

MITGLIED IM KOLLEG

seit

Verbundkolleg Produktionstechnik

Betreuer Technische Hochschule Ingolstadt:

Dr. Jürgen Bock

Künstliche Intelligenz verspricht technische Innovation und Fortschritt für eine Vielzahl von Herausforderungen, wie Sie klassischerweise nur natürliche intelligente Spezies in der Lage sind zu meistern. Darunter zählt das Erkennen der Umwelt, das Treffen von Entscheidungen, die Repräsentation von Wissen, Manipulation der physikalischen Umwelt, oder die Erstellung von Plänen. Viele dieser Herausforderungen spielen eine entscheidende Rolle in der Anwendungsdomäne Produktion und Logistik. Der Einsatz von KI-Technologien in diesem Bereich bietet daher ein hohes Innovationspotential.

Die Forschung in diesem Kompetenzfeld konzentriert sich daher auf dem Einsatz neuartiger KI Technologien im Anwendungskontext Produktion und Logistik, insbesondere:

  • Beschreibung von Prozessen und Prozesswissen
  • Ermöglichung intelligenter Workflows in Produktions- und Logistiksystemen unter dem Aspekt der Wandelbarkeit im Kontext dynamisch veränderlicher Produktanforderungen
  • Komponentenübergreifende Machbarkeitsanalyse von Produktionsanforderungen
  • Beobachtung und Analyse von Produktions- und Logistikprozessen zur Qualitätssicherung, Problemerkennung und Entscheidungsunterstützung
  • Evaluation und Anwendung geeigneter KI-Technologien (symbolisch, sub-symbolisch, statistisch) sowie gewinnbringende Kombination bestehender Ansätze im Anwendungskontext Produktion und Logistik

Betreutes Projekt:
Kombination von Wissen und Deep Learning für Vorhersagen und Instandhaltungsmanagement

M.Sc. Maximilian-Peter Radtke

Maximilian-Peter Radtke

Technische Hochschule Ingolstadt

Koordination

Treten Sie mit uns in Kontakt. Wir freuen uns auf Ihre Fragen und Anregungen zum Verbundkolleg Produktionstechnik.

Dr. Jens Helbig

Dr. Jens Helbig

Koordinator BayWISS-Verbundkolleg Produktionstechnik

Technische Hochschule Nürnberg Georg Simon Ohm
Institut für Chemie, Material- und Produktentwicklung (OHM-CMP)
Keßlerplatz 12, Gebäude KB, Raum KB.306a
90489 Nürnberg

produktionstechnik.vk@baywiss.de