Das Institut für industrielle Informationstechnik (inIT) der Technischen Hochschule OWL ist eine der führenden Forschungseinrichtungen auf dem Gebiet der industriellen Automation. Unter anderem werden aktuell am Institut die beiden Projekte ML4Pro2 und TeDZ bearbeitet, welche anhand zweier Exponate auf der Hannover Messe 2020 präsentiert werden sollten. Bei dem Projekt „ML4Pro2“ forscht das inIT im Rahmen des Technologienetzwerks it´s OWL zusammen mit verschiedenen Forschungspartnern an der Transferierbarkeit von maschinellem Lernen. Das Projekt hat das Ziel, eine interaktive Toolbox mit industrietauglichen KI- und Lernalgorithmen zusammenzustellen und damit auch kleinen und mittleren produzierenden Unternehmen den Einsatz von KI zu ermöglichen. Das Projekt „Technische Infrastruktur für digitale Zwillinge – TeDZ“ hat das Ziel, durch eine interoperable durchgängige technische Infrastruktur den Zugriff und die Interaktion von Produkten und Betriebsmitteln entlang deren Lebenszyklus zu ermöglichen und signifikant zu erhöhen.
Nutzen für Unternehmen
Künstliche Intelligenz (KI) in industriellen Produktionsprozessen birgt das Potential die Entwicklung von technischen Lösungen aber auch die Wartung und den Service von industriellen Maschinen zu erleichtern. Allerdings sind Methoden der KI häufig nicht einfach eins-zu-eins auf industrielle Produktionsprozesse transferierbar. Technische Prozesse stellen erhöhte Anforderungen an Algorithmen, wie z.B. eine hohe Genauigkeit und Präzision, Robustheit gegenüber dynamischen Effekten und Transparenz in der Entscheidungsfindung. Forschungsarbeiten am inIT identifizieren und adressieren entsprechende Schwachstellen in KI-Algorithmen.
Im it’s OWL-Projekt ML4Pro² forscht das inIT an KI und Methoden der Informationsfusion, um Zustände technischer Systeme robust und transparent zu bestimmen, vorherzusagen und zu visualisieren. In Zeitreihensignalen versteckte Muster und Informationen werden durch gezielte Transformationen gelernt und dem Anwender verständlich aufbereitet. Ungenauigkeiten und Unsicherheiten in einzelnen Sensoren und den daraus resultierenden Inkonsistenzen in Multisensorsystemen, werden durch konfliktreduzierende Informationsfusion gelöst. So werden einerseits komplexe Konzepte anhand von Trainingsdaten gelernt, andererseits bewirkt die Fusion, dass Sensoraussetzer und –fehler keine Auswirkungen auf die eigentliche Anwendung haben.
Digitale Zwillinge sind die virtuelle Repräsentation von physischen, technischen Objekten der realen Welt. Digitale Zwillinge speichern Daten, bilden aktuelle und potentielle Zustände ab,
benennen besondere Charakteristika von technischen Einheiten und informieren über zur Verfügung stehende Services und Algorithmen. Durch dieses ganzheitliche Abbilden von Informationen ermöglichen Digitale Zwillinge somit erst ein sinnvolles und zielorientiertes Einsetzen von KI-Lösungen in technischen Systemen.
KI-Kompetenzen
Intelligente technische Systeme, KI-basierte Maschinendiagnose und industrielle Bildverarbeitung gehören zu den Kernkompetenzen am inIT. Das Ziel der Forschungsaktivitäten am Institut ist eine vernetzte intelligente Automation, die sich durch Selbstorganisation, Selbstoptimierung und Selbstdiagnose auszeichnet. Durch Methoden des maschinellen Lernens, kognitiver Systeme, Informationsfusion und Orchestrierung werden Maschinen bezüglich ihres Zustandes bewertet (Condition Monitoring), ihre Wartungsnotwendigkeit prognostiziert (Predictive Maintenance) und ihr Verhalten optimiert (z.B. nach Ressourcenverbrauch oder Produktionsqualität). Dabei werden Besonderheiten und Gegebenheiten industrieller Systeme spezifisch berücksichtigt. Um technischen Systemen einen Mehrwert liefern zu können, müssen KI-Algorithmen und Modelle auf ressourcenbeschränkter Hardware lauffähig sein. Außerdem müssen sie Unsicherheiten und Ungenauigkeiten in Daten handhaben können, erklärbar, transparent und adaptionsfähig sein, sowie Echtzeitanforderungen genügen.