Benutzeranmeldung

Industrielles Reinforcement Learning zur Qualitätsregelung von Massivumformprozessen - IRleQuM

Status laufend
Ziele

1.Reduktion von Kosten durch Reduktion von Ausschuss und Qualitätssteigerung

Mittels einer intelligenten Regelung sollen eine Reduktion von Ausschuss und eine Steigerung der Qualität in Massivumformprozessen zu Kostenreduktionen führen.


2.Automatisierte Qualitätsregelung mittels Reinforcement Learning
Eine intelligente Regelung, abgebildet über Reinforcement-Learning Algorithmen aus dem Bereich des Machine Learning, sollen eine automatisierte Regelung unter Einbezug aller qualitätsrelevanter Informationen (z. B. Rohstoffinformationen, Einstellparameter, aktuelle Prozessparameter und
–informationen und Umgebungsbedingungen) ermöglichen. Durch den Einbezug der qualitätsrelevanten Informationen kann die Regelung individuell auf die vorherrschende Situation angepasst und optimiert werden.
3.Notwendige IT-Infrastruktur realisieren

Damit eine Reinforcement Learning fundierte Regelung ermöglicht werden kann, wird die notwendige IT-Infrastruktur definiert und umgesetzt. Die IT-Infrastruktur bildet die Grundlage der Informationsgewinnung und beschreibt u. a. die Datengewinnung, -speicherung und –übertragung.


4.Algorithmus durch Simulation und Transfer-Learning anlernen
Um die Anlernzeit des Reinforcement-Learning-Algorithmus zu reduzieren und Ressourcen zu schonen, wird dieser nicht direkt am Realprozess trainiert, sondern an einer stochastischen Prozesssimulation. Die an der Simulation gewonnenen Erkenntnisse werden anschließend mittels Transfer Learning auf den Regelkreis übertragen.


Weitere Informationen für Mitglieder des Industrieverband Massivumformung e.V.
Zum Aufruf der Inhalte müssen Sie über einen gültigen Benutzernamen und ein Kennwort für den Mitgliederbereich verfügen.