Machine Learning steigert die Ressourceneffizienz in der Produktion
Machine Learning 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.
Einführung von Machine Learning ist mit Herausforderungen verbunden
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 derzeit die Einführung. Darüber hinaus werden insbesondere bei Machine Learning hohe Ansprüche an die Datenqualität gestellt, für die besondere Maßnahmen umgesetzt werden müssen. Für die Überwindung dieser Herausforderungen fehlt es bislang an einer konkreten Einführungsstrategie. Ebendiese Einführungsstrategie zur Nutzung von Machine Learning zur Steigerung der Ressourceneffizienz in der Produktion von Maschinenbauern steht im Fokus des Forschungsprojekts "MLready".
Forschungsprojekt "MLready" befähigt KMU des Maschinenbaus zur Nutzung von Machine Learning zur Steigerung der Ressourceneffizienz
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
Dementsprechend unterstützt das Forschungsprojekt speziell KMU durch die Einführung von Machine Learning zur Steigerung der Ressourceneffizienz entlang der innerbetrieblichen Lieferkette.
Praxisnahe Forschung – Seien Sie dabei!
Das Projekt richtet sich speziell an kleine und mittlere Unternehmen des Maschinenbaus. Diese können über den Projektausschuss und durch Fallstudien in das Projekt eingebunden werden und so direkt von Forschungsergebnissen profitieren. Interessierte Unternehmen können sich sehr gerne beim International Performance Research Institute (Herrn Garlef Hupfer: ghupfer@ipri-institute.com / 0711 / 620 32 68 -03) bezüglich einer Kooperation melden. Die Teilnahme am Forschungsprojekt ist kostenlos und unverbindlich.
