14. März 2023

Künstliche Intelligenz für die Prozessindustrie – Update aus unserem KEEN Forschungsprojekt

Derzeit erleben wir eine steigende Kommerzialisierung von Methoden, die sich grob unter dem Schirm der Künstlichen Intelligenz zusammenfassen lassen. Auch die Prozessindustrie ignoriert diesen Wandel nicht und investiert Zeit und Arbeitskraft in die Erforschung der Nutzung von KI. Zu diesem Zweck haben sich im Projekt KEEN seit 04/2020 – zu 60 Prozent vom Bundesministerium für Wirtschaft und Energie gefördert mit Gesamtfördermitteln von 23 Millionen Euro – viele Projektpartner zu verschiedensten Arbeitsgruppen zusammengeschlossen. Auch INOSIM ist Teil mehrerer solcher Arbeitsgruppen.

Eine INOSIM Simulationsumgebung für Machine Learning

In diesem Rahmen arbeiten die KEEN-Projektpartner Bayer und INOSIM am Scheduling von Produktionsanlagen mithilfe von Reinforcement Learning. Zielsetzung ist die sehr schnelle Erzeugung von Schedules auf Basis von selbsterlernten Entscheidungen. Unsere Simulationsoftware stellt dabei eine schnelle und kostengünstige Umgebung dar, um das Lernen zu ermöglichen. Hierfür wurde eine Schnittstelle entwickelt, mit welcher Eingriffe zu gewünschten Zeiten in den Simulationsablauf möglich sind. Auch entsprechende Rückgabe von Werten aus der Simulation ist ebenso möglich. Damit lässt sich die INOSIM Simulation an Eigen- und Standardimplementierungen (z. B. in Python) koppeln.

Mit Künstlicher Intelligenz zum optimierten Scheduling

Anhand einer Case Study von Bayer, modelliert in INOSIM, konnten wir gemeinsam zeigen, dass eine schnelle Generierung von Production Schedules möglich ist. Das nötige Training für den Algorithmus kann vor dem Scheduling stattfinden. Die bisherigen Ergebnisse sind vielversprechend, weitere Arbeiten finden statt, um die Skalierung der Methodik zu verbessern. Mit der derzeit in Entwicklung befindlichen INOSIM Core-Edition und weiteren Arbeiten an Reinforcement-Learning-Algorithmen werden wir weiter daran arbeiten, dass INOSIM auch unseren Kunden bei ihren Optimierungsproblemen eine gute Unterstützung ist (siehe dazu auch unser Forschungsprojekt OptiProd).

Möchten Sie mehr über dieses Projekt erfahren? Sie suchen ein KMU als Partner in Ihrem Forschungsprojekt? Bitte kontaktieren Sie uns.

Array ( [posts_per_page] => 3 [post_type] => [category__in] => Array ( [0] => 65 ) [orderby] => rand [order] => ASC )

INOSIM Kontakt

Zu den lokalen Geschäftszeiten

Deutschland +49 231 97 00 250

USA +1 214 663 3101

Indien +91 9766 331 092