Kognitive Produktion

Was zeichnet einen Workshop zum Thema Maschinelles Lernen in der Produktion aus?

Ein ML-Workshop ist nicht gleich ein ML-Workshop – je nach Anwendungsgebiet sind einige Randbedienungen und Besonderheiten zu beachten. Was eine Schulung oder ein ML-Workshop für die Kunden aus Industrie aufweisen soll und wie sein optimaler Aufbau ist, erfahren Sie in diesem Beitrag.

Ziel: kompetente Mitarbeitende und Entscheidungsträger

In meinem ersten Beitrag zum Thema KI in der Produktion habe ich bereits die Wichtigkeit der KI-Kompetenzen für das Personal, aber auch für die Entscheidungsträger im industriellen Umfeld  unterstrichen. Auch auf die Besonderheiten von KI-Anwendungen in der Produktion bin ich dabei eingegangen. Das waren vor allem:

  • Hohe Anforderungen an die Sicherheit und Qualität der KI-Lösung
  • Notwendigkeit einer sorgfältigen Vorverarbeitung der Daten und
  • Berücksichtigung der Eigenschaften des zugrunde liegenden technischen Prozesses bei der Auswahl eines Lernalgorithmus

Welche Inhalte sind für eine KI-Schulung mit Fokus auf Produktion unerlässlich?

Damit das Ziel des KI-Kompetenzaufbaus mit Fokus auf die Produktion erreicht werden kann, müssen zunächst die Lerninhalte stimmen. Sie sollten also bei der Auswahl von möglichen Schulungsangeboten immer darauf achten, dass die oben genannten Besonderheiten von KI-Anwendungen in der Produktion unbedingt behandelt werden. Perfekt wäre dabei auch eine lückenlose Betrachtung eines im Bereich Data Mining und ML etablierten Vorgehensmodells wie etwa CRISP-DM (Engl.: Cross-industry standard process for data mining). Auf dieses Vorgehensmodell im Hinblick auf Produktion werde ich in einem meiner nächsten Blogbeiträge gezielt eingehen.

Aufbau eines Workshops: Was ist zu beachten?

Basierend auf meiner langjährigen Erfahrung empfehle ich folgenden Aufbau einer Schulung sowie die dazugehörigen wichtigsten Inhaltspunkte:

Maschinelles Lernen vs. konventionelle Prozessanalyse
Um Vertrauen zu gewinnen sowie Teilnehmende abzuholen ist eine Übersicht „klassischer“ Methoden zur Datenanalyse (Korrelationsanalyse, Regressionsanalyse, Frequenzanalyse, Zeitreihenanalyse bzw. Trends) und ML-Modellierungsalgorithmen (Klassifizierung, Clustering, Regression – überwacht oder unüberwacht) durchaus sinnvoll und erwünscht. Dabei sollte man speziell auf die Unterschiede und Vor- bzw. Nachteile dieser Verfahren eingehen. Auch das Zusammenspiel „Prozesseigenschaften vs. ML-Algorithmus“ soll erklärt und die ersten Anhaltspunkte zu einer korrekten Wahl einer passenden ML-Strategie gegeben werden.

ML-Workflow und Eigenschaften von ML-Anwendungen in der Produktion
Wie bereits angedeutet: die KI- bzw. ML-Verfahren sollten entlang eines passenden Vorgehensmodells vorgestellt und analysiert werden. Die Möglichkeiten, aber auch Besonderheiten von ML-Anwendungen in der Produktion sollten relativ früh aufgezeigt werden.

Daten in der Produktion
Es ist klar, dass ohne Daten kein ML möglich ist! Die gängigen Datenstrukturen und Informationsmodelle aus der Produktion sowie die Möglichkeiten der Datenakquise sollten unbedingt aufgeführt werden. Ein besonderer Schwerpunkt der Schulung sollte dabei auf der Datenqualität und -vorverarbeitung liegen. Die „Garbage in – Garbage out“-Situationen sollten vermieden werden.

Anwendung eines ML-Algorithmus
Das soll der Kern und gleichzeitig ein Highlight der Schulung sein. Anhand von einem oder, noch besser, mehreren Anwendungsbeispielen sollten die Teilnehmenden die komplette Vorgehensweise bei der Entwicklung einer ML-Anwendung in der Produktion durchgehen. Dazu sollten der Aufbau des Prozesswissens, die Wahl einer passenden ML-Strategie, Test, Gütebewertung bzw. Validierung und Implementierung sowie eine anschließende Optimierung der ML-Lösung gehören.

Getrimmt für Industrie: Tagesworkshop „Ganzheitliches Maschinelles Lernen in der Produktion“

Dieser speziell auf Industrieanwendung ausgerichteter Workshop wurde in Zusammenarbeit mit der Technischen Universität Dresden (Institut für Mechatronischen Maschinenbau) im Rahmen eines BMBF-Forschungsprojektes GIgAfLoPs entwickelt. Angesichts der Corona-Situation haben wir unseren Workshop als eine Online-Veranstaltung überarbeitet und angepasst.

Der Workshop richtet sich an alle Interssierende aus der Industrie, vom Techniker bis zum Geschäftsführer, die sich einen schnellen Einstieg in das Thema des Maschinellen Lernens in der Produktion wünschen und bisher keine oder nur wenig Vorkenntnisse in diesem Bereich besitzen.

Ziel des Workshops ist es, den Teilnehmenden einen möglichst breitgefächerten Überblick über zentrale Begriffe, Konzepte, Methoden und Anwendungen von Maschinellem Lernen in der Produktion zu vermitteln und ihnen somit einen Schnelleinstieg in das Thema zu ermöglichen. Durch erste „Hands-on“-Erfahrung in praxisnahen Anwendungsszenarien und das enge Zusammenspiel von Theorie und Praxis werden ggf. vorhandene Einstiegshürden in das komplexe Thema abgebaut und somit ein niederschwelliger Themeneinstieg gewährleistet.

Nach dem Workshop sind die Teilnehmenden in der Lage, Einsatzmöglichkeiten Maschineller Lernverfahren in der eigenen Produktion zu erkennen, den damit verbundenen Aufwand und Nutzen abzuschätzen und erste eigene ML-Projekte zu planen.

Wir würden uns sehr freuen, unsere Leserinnen und Leser bei diesem Workshop begrüßen zu dürfen!

Nächster Termin: 01./02.12.2021

Weitere Details und Einschreibung unter
Kompakteinstieg Maschinelles Lernen in der Produktion (fraunhofer.de)


Titelbild: © Pixabay

Alexander Dementyev

Dr.-Ing. Alexander Dementyev
Wissenschaftlicher Mitarbeiter
Abteilung "Digitaler Produktions-Zwilling"

Fraunhofer IWU
Nöthnitzer Str. 44
01187 Dresden

Telefon: +49 351 4772-2622
E-Mail: alexander.dementyev@iwu.fraunhofer.de

Kommentar hinzufügen

Alle Beiträge