Kognitive Steuerungssysteme

Maschinelles Lernen in der Steuerungstechnik und Robotik auf Basis des Digitalen Zwillings

Projektförderung

Hintergrund

Am ISW wird an Methoden und Ansätzen geforscht, welche aktuelle Trends der künstlichen Intelligenz in die Produktionstechnik bringen. Dabei sind sowohl Ansätze für den Einsatz an Maschinen und Anlagen interessant, als auch Methoden die den Entwicklungs- bzw. Engineering-Prozess betreffen. Für die steigenden Anforderungen der Produktionstechnik müssen die Steuerungssysteme intelligenter und lernfähig werden. Die Ansätze von Maschinellem Lernen sind am ISW eng an den Digitalen Zwilling gekoppelt, da dieser zum einen die Möglichkeit gibt Wissen zu repräsentieren und zum anderen auch eine Entwicklungsplattform für kognitive Systeme darstellt.

Problemstellung

Am ISW wird an Methoden und Ansätzen geforscht, welche aktuelle Trends der künstlichen Intelligenz in die Produktionstechnik bringen. Dabei sind sowohl Ansätze für den Einsatz an Maschinen und Anlagen interessant, als auch Methoden die den Entwicklungs- bzw. Engineering-Prozess betreffen. Für die steigenden Anforderungen der Produktionstechnik müssen die Steuerungssysteme intelligenter und lernfähig werden. Die Ansätze von Maschinellem Lernen sind am ISW eng an den Digitalen Zwilling gekoppelt, da dieser zum einen die Möglichkeit gibt Wissen zu repräsentieren und zum anderen auch eine Entwicklungsplattform für kognitive Systeme darstellt.

Reinforcement Learning hat in vielen, zumeist noch nichtkommerziellen, Bereichen beeindruckende Ergebnisse erzielt. Ein entscheidender Faktor spielt dabei die Lernumgebung innerhalb derer der Agent interagieren kann. Für industrielle Anwendungen (Maschinen, Anlagen und Roboter) scheidet das reale System aufgrund der Fehler aus, welcher der Agent für ein erfolgreiches Lernen unweigerlich macht. Diese Fehler sind kostenintensiv und z.T. gefährlich für das System. Stattdessen müssen künstliche Umgebungen geschaffen werden. Im Zuge der Virtualisierung des Engineerings ist eine solche künstliche Lernumgebung jedoch ohne großen Mehraufwand möglich. Hardware-in-the-Loop(HiL) Simulationen sind Stand der Technik wenn es um die Virtuelle Inbetriebnahme geht. Dabei wird die reale Steuerung in Verbindung mit einer virtuellen Maschine oder Anlage entwickelt, validiert und getestet. Am ISW wird der Ansatz verfolgt genau diese HiL Simulationsmodelle als Lernumgebung für eine kognitive Steuerung zu verwenden. Die Architektur einer solchen Umgebung kann anhand eines am ISW entstandenen beispielhaften Anwendungsfalls nachvollzogen werden (Bild 2).

Ansatz Modellbasierter und Datengetriebener Ansatz zur Erstellung und Optimierung des Digitalen Zwillings  (c)
Ansatz Modellbasierter und Datengetriebener Ansatz zur Erstellung und Optimierung des Digitalen Zwillings

Selbstlernender Logistikprozess zum Sortieren von Kisten  (c)
Selbstlernender Logistikprozess zum Sortieren von Kisten

Zielsetzung/Ergebnisse

Innerhalb der Applikation sollen unterschiedliche Kisten über Transportbänder an spezifische Endpositionen sortiert werden. Sämtliche Aktor- und Sensorsignale werden dem Agenten zur Verfügung gestellt. Weitere lernspezifische Sensoren wurden integriert um das Handeln des Agenten zu bewerten. Ein weiterer Anwendungsfall aus dem Bereich der Industrierobotik ist in Bild 3 dargestellt. Dabei konnte die Zellensteuerung für einen Handling und Fräsroboter in einzelne NC-Codesegmente unterteilt und der Produktionsablauf gelernt werden. Simulationsumgebungen für industrielle Anwendungen sollen in weiteren Forschungsarbeiten als eine standardisierte Lernumgebung erweitert werden. Dadurch wird es möglich etablierte Reinforcement Learning Methoden direkt und ohne spezifisches Wissen über Maschinelles Lernen an HIL Simulationen zu verwenden.

Selbstlernende Zellensteuerung einer Handhabungs- und Fräsbearbeitungs-Roboterzelle  (c)
Selbstlernende Zellensteuerung einer Handhabungs- und Fräsbearbeitungs-Roboterzelle

Ihr Ansprechpartner

Dieses Bild zeigt Jaensch
M.Sc.

Florian Jaensch

Wissenschaftlicher Mitarbeiter "Virtuelle Methoden in der Produktionstechnik"