Melden Sie Sich jetzt zum MLready-Day an!

Am 29. Juni werden die Ergebnisse des Forschungsprojekts MLready an der Abschlussveranstaltung präsentiert.
Zum MLready-Day

MLready

Befähigung von KMU zur Nutzung von Potenzialen von Machine Learning in der Produktion und Entwicklung einer Einführungsstrategie

Machine Learning findet bereits in vielen Bereichen des alltäglichen Lebens Anwendung, wie dem Verkehr oder dem Gesundheitswesen. Das Fundament für eine erfolgreiche Anwendung von Machine Learning bilden Daten und deren Verfügbarkeit sowie ausreichende Rechenleistung, um diese auszuwerten. Gleichwohl wird Machine Learning bislang kaum für die Steigerung der Ressourceneffizienz in der Produktion verwendet. Im unternehmerischen Umfeld wird Machine Learning meist mit Predictive Maintenance in Verbindung gebracht. In der Produktion ergeben sich jedoch weitere vielseitige Potenziale zur Steigerung der Ressourceneffizienz:

  • In der Produktionsplanung und -steuerung lässt sich Machine Learning beispielsweise in der Auftragssteuerung zur Reihenfolgebestimmung (Rüstoptimierung, Reduzierung des Energieverbrauchs oder der Energiekosten), zur Belastungsnivellierung oder zur Ressourcen- und Kapazitätsplanung nutzen
  • Von der Anwendung von Machine Learning zur Prozessoptimierung wird eine höhere Anpassungsfähigkeit der Prozesse an sich ändernde Bedingungen erwartet, wodurch die Produktqualität stabilisiert werden kann. Bspw. können Fehlerdiagnosen durchgeführt oder Condition Monitoring angewendet werden
  • 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 (s. Grafik unten)

Jedoch stehen den Unternehmen Hürden bei der Implementierung wie fehlendes Know-how, fehlender Nachweis des Mehrwerts oder fehlende technische Infrastruktur gegenüber. Im Projekt MLready wird daher untersucht, wie KMU des Maschinenbaus befähigt werden können, die Potenziale von Machine Learning zu implementieren sowie zu nutzen, um eine Verbesserung der Ressourceneffizienz in der Produktion zu erreichen.

Bei Interesse freue ich mich auf Ihre Kontaktaufnahme (ghupfer@ipri-institute.com / 0711/620 32 68 -03)!

MLreadyBefähigung von KMU zur Nutzung von Potenzialen von Machine Learning in der Produktion und Entwicklung einer Einführungsstrategie

Laufzeit: April 2022 bis August 2024

Aktuelle Termine:
29.06.2024
MLready-Day in Marsberg, zur Anmeldung
29.11.2023
Drittes Projekttreffen in Stuttgart
20.06.2023
Zweites Projekttreffen, digital
17.01.2023
Erstes Projekttreffen, digital

Ansprechpartner:

Hupfer v2

Publikationen

  • Savadogo, M., Hupfer, G., Wohlfarth, J., Stonis, M. (2023): Ressourceneffizienz steigern durch Machine Learning, in: VDI-Z 165 (05), S. 62-65. Zur Publikation

  • Industrial Solutions (2022): Machine Learning für KMU: Projekt entwickelt Roadmap, veröffentlicht am: 02.11.2022. Zur Publikation

Ergebnisse

Die Ergebnisse des Forschungsprojekts werden fortlaufend in Projekttreffen sowie hier kostenlos präsentiert und zur Verfügung gestellt.

Anwendungsfälle von Machine Learning

Im ersten Arbeitspaket wurden Anwendungsfälle von Machine Learning zur Steigerung der Ressourceneffizienz in der Produktion erhoben.
Diese wurde in Steckbriefen dokumentiert und übersichtlich in einer Prozesslandkarte dargestellt, die Sie hier einsehen können.
Sprechen Sie uns gerne jederzeit an, wenn Sie weitere Informationen zu den Anwendungsfällen möchten oder Fragen zu den Inhalten haben (ghupfer@ipri-institute.com).

Datenaufbereitung

Im zweiten Arbeitspaket wurde ein Modell für Datenqualität entwickelt, Datengrundlagen der beschriebenen Anwendungsfälle identifiziert sowie einen Leitfaden geschrieben, der die Ergebnisse des Arbeitspakets vereint, um KMU zum eigenständigen Aufbereiten der Datengrundlagen für Machine Learning zu befähigen.
Sprechen Sie uns gerne jederzeit an, wenn Sie Fragen oder Anregungen haben (ghupfer@ipri-institute.com).

Einführungsstrategie

Unsere Ergebnisse werden gesammelt und anwenderfreundlich in der Einführungsstrategie zur Verfügung gestellt.
Mit Erfassung der speziellen Anforderungen der Nutzer werden Empfehlungen für mögliche Anwendungsfälle von Machine Learning gegeben und eine Roadmap mit Hinweisen und spezifischem Vorgehen zur Einführung gegeben. Die Einführungsstrategie wurde mit der Unterstützung von nedyx umgesetzt und ist frei unter getmlready.com verfügbar. Sprechen Sie uns bei Fragen gerne direkt an!

Haben Sie Interesse an unseren Ergebnissen?

Sprechen Sie uns gern an, wir präsentieren und diskutieren diese sehr gerne in einem Webinar!

ghupfer@ipri-institute.com
0711 620 32 68 -03

Das Projekt „MLready“ wird im Rahmen des Programms „Industrielle Gemeinschaftsforschung (IGF)“ durch das Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages gefördert.