SyDaPro

Synthetische Daten in der Produktion

Motivation

Erzeugung von synthetischen Daten für Künstliche Intelligenz

Das Bundesministerium für Bildung und Forschung (BMBF) beabsichtigt mit der Richtlinie zur Förderung von Projekten zum Thema „Erzeugung von synthetischen Daten für Künstliche Intelligenz“ interdisziplinäre und anwendungsorientierte Forschungs- und Entwicklungsvorhaben zu fördern, die das Ziel haben, neue Methoden zur Erzeugung synthetischer Daten für die Erstellung und Validierung von KI-Modellen zu entwickeln bzw. schon vorhandene Methoden zu verbessern oder auch gegebene personenbezogene Datenbestände zu anonymisieren. Durch die Maßnahme soll die Spitzenposition Deutschlands im Bereich KI gesichert und weiter ausgebaut werden. Die Förderung von Verbundprojekten soll hierbei den Transfer zwischen Wissenschaft und Wirtschaft zum Vorteil beider Parteien verstärken.

Synthetische Daten in der Produktion

Eine Voraussetzung für effiziente Produktionsprozesse ist die störungsfreie Verfügbarkeit und bestmögliche Auslastung der Kapazitäten vorhandener Produktionsanlagen. Um dies sicherzustellen, werden die Fertigungsprozesse kontinuierlich optimiert und die optimalen Zeitpunkte für die Maschinenwartung gesucht, um Ausfall- u. Stillstandszeiten zu minimieren. Hier hat sich „Predictive Maintenance“ in den letzten Jahren zu einem wichtigen Trend entwickelt. Dabei geht es darum auf der Grundlage einer möglichst umfangreichen Datenbasis – vor allem Sensor- u. Maschinendaten der Produktionsanlage – Vorhersagen für sich anbahnende Störungen, Qualitätseinbußen oder Ausfälle zu treffen, um so rechtzeitig vor Eintritt der tatsächlichen Störung entsprechende Wartungsintervalle einzuplanen. Verfahren und Algorithmen der Künstlichen Intelligenz (KI) und des maschinellen Lernens sind besonders geeignet, um Gesetzmäßigkeiten und auch Anomalien in umfangreichen Datenmengen zu erkennen. Jedoch steht die Entwicklung und Nutzung von KI-Anwendungen im Produktionsumfeld vor der Herausforderung, dass Daten in hinreichender Menge und vor allem aber auch in entsprechender Qualität zur Verfügung stehen, um repräsentative KI basierte Vorhersagemodelle zu erhalten. Beispielsweise liefert eine weitgehend störungsfrei verlaufende Produktion über große Zeiträume hinweg kaum Daten, die für eine Vorhersage von möglichen Störungen dienlich sind.

Ziele und Vorgehen

Ziel des Projektes „SyDaPro“ ist daher, synthetische „Produktionsdaten“ zu erzeugen, auf deren Basis die KI-basierten Vorhersagemodelle „trainiert“ werden können. Ausgehend von vorhandenen Realdaten und physikalischem Vorwissen sollen mit stochastischen Methoden umfangreiche, künstliche (synthetische) Datensätze erzeugt werden, die realistische und repräsentative Merkmale sowie auch gezielt vorgegebene Anomalien aufweisen. Die Analyse und Adaption geeigneter Methoden und Algorithmen für die Erzeugung der synthetischen Daten ist die Kernaufgabe des Projektes.

Innovationen und Perspektiven

Während der Arbeit werden Best Practices abgeleitet. Der Nutzen der Projektergebnisse soll anhand von Demonstratoren gezeigt werden. Dies ist zum einen die Qualitätsprüfung Getriebemotoren und zum anderen die Optimierung von Produktionsabläufen durch verteilte Micro-Services (Reaktion auf Störungen in den Bereichen Markt, Operationen, Menschen, Logistik u. Qualität). Mit dem Projekt werden derzeit bestehende Hemmnisse für den breiteren KI-Einsatz im Produktionsumfeld adressiert. Für die Anwender erschließen sich neue Möglichkeiten, Ausfall- sowie Stillstandszeiten und damit auch Kosten zu reduzieren oder auch eine optimalere Prozessführung zu realisieren. Die Potentiale bieten sich insbesondere für die mittelstandsgeprägte Branche der Produktionsunternehmen an, die auf diese Weise in die Lage versetzt, Methoden der KI effektiv und effizient in Fertigungsprozessen einzusetzen. Durch die erwartete, gute Übertragbarkeit der Projektergebnisse ergibt sich ein hohes wirtschaftliches Potential für alle Unternehmen im verarbeitenden Gewerbe.

Projektinformation

Projektleitung

Technische Hochschule Ostwestfalen-Lippe
Campusallee 12
32657 Lemgo

Volumen

639.730 €

Laufzeit

10/2021 – 09/2023

Projektpartnerinnen und -partner

  • Technische Hochschule Ostwestfalen-Lippe - Forschungspartner, Konsortialführer; Erarbeitung stochastischer Modelle f. die Erstellung synthetischer Daten
  • Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. - Institut für Optronik, Systemtechnik und Bildauswertung – Institutsteil f. industrielle Automation (IOSB-INA) - Forschungspartner, Erarbeitung geeigneter Prozessmodelle sowie Anwendung von KI-Methoden zur Prozessoptimierung in Produktionsanlagen
  • bhn Dienstleistungs GmbH & Co. KG - Entwicklungs- und Anwendungspartner, Realisierung des Demonstrators „Qualitätsanalyse Getriebemotoren"
  • PHOENIX CONTACT Electronics GmbH - Entwicklungs- und Anwendungspartner, Realisierung des Demonstrators „Optimierung von Produktionsabläufen"