SaMoA

Übersicht

CC BY-NC-ND

Die Potentiale von KI sind in vielen Unternehmen immer noch ungenutzt. Zu allem Überfluss schafft es nur ein Teil der KI-Projekte, die Erwartungen im Einsatz zu erfüllen und Mehrwert zu generieren. Die hauptsächlichen Gründe dafür sehen unabhängige Studien in der häufig unzureichenden Datenqualität sowie in der nicht erfolgten Anbindung von Datenquellen.

Insbesondere laufende Industrieanlagen können nur mit großem Aufwand digitalisiert werden. Die Auslegung von Kamera- und Sensorsystemen ist jedoch ein ebenso komplexes Feld wie die Entwicklung von KI-Systemen selbst.

Unternehmen des produzierenden Gewerbes und insbesondere Mittelständler sehen sich also bei der Einführung von KI-Systemen mit hohen Einstiegshürden konfrontiert. Im Projekt SaMoA soll die Frage beantwortet werden, wie die Investitionen und die Unsicherheit bei der Einführung von intelligenten Monitoring-Anwendungen für Unternehmen deutlich reduziert werden können. Selbst-konfigurierende Systeme ermöglichen einen schnelleren Zugang zu flexibler Qualitätskontrolle und hilft so, die Effizienz der Produktion deutlich zu erhöhen.

Bundesministerium für Bildung und Forschung | Andreas Margraf

Teilprojekt 1: Sensorintegration, Prüfstand und Software-Integration

  • Fraunhofer IGCV bringt seine Kompetenz in NDT sowie Machine Vision ein
  • Zusammenspiel aus Sensorintegration, Bildverarbeitungsystemen und BV-Datenverarbeitung werden mit den Partnern in einen Demonstrator überführt
  • Anwender bekommen einen Einblick in die Möglichkeiten des SaMoA-Systems: gemeinsam soll das gesamte Potential für die adaptive Systemauslegung und –optimierung visualisiert werden

 

Teilprojekt 2: Spezifikation des Algorithmus

Im Projekt greift das Konsortium tief in die Werkzeugkiste der Informatik: durch unkonventionelle, naturinspirierte KI-Modelle werden neue Wege beschritten. Evolutionäre Algorithmen und modellbasierte Entwurfssprachen ermöglichen es Anwendern, Qualitätssicherung neu zu denken:

  • Produktionsleiter, Ingenieure und Werker können QS-Systeme ohne Vorkenntnisse weitgehend selbst entwerfen
  • Die Entwicklungsarbeit sinkt dramatisch auf ein Minimum an Aufwand, da SaMoA Systeme nur wenige Eingangsdaten benötigt
  • SaMoA legt großen Wert auf ein gutes Problemverständnis: durch gezielte Fragen an den Nutzer werden die Anforderungen vom System ermittelt
  • Statt aufwändiger Wartung passen sich die Systeme per Knopfdruck an veränderliche Bedingungen an (Organic Computing)
  • Statt tiefer, undurchsichtiger Modelle setzt SaMoA auf nachvollziehbare, transparente Verfahren
  • Einfach statt komplex: SaMoA generiert Lösungen genau passend zu ihrer Aufgabe; statt alles mit einem Modell lösen zu wollen, werden Modelle passend zum Anwendungsfall ausgewählt; Dies spart Zeit, Rechenleistung und Kosten

 

 

Teilprojekt 3: Modellierung und Validierung

Ein großer Teil des Projektes beschäftigt sich mit der Modellerstellung für Inspektionsaufgaben. Statt groß angelegter Workshops, die überlicherweise zur Eingrenzung der Aufgabe abgehalten werden, macht SaMoA durch gezielte Interaktion mit dem Nutzer ein breites Verständnis für die Aufgabe und Abhängigkeiten der Umgebung und des Problems deutlich. Jeder Nutzer kann – ohne Vorkenntnisse – mit dem System interagieren. 

 

Die Entwicklung des Modells wird vom IFB der Uni Stuttgart und ihrer Software DC43 durchgeführt.

 

Organic Computing

Technische Systeme beinhalten eine immer größere Menge an Software und werden in Zukunft nicht mehr einzeln, sondern in vernetzten Strukturen eingesetzt. Weiterhin werden solche Systeme sich immer autonomer verhalten, um sich an geänderte Umweltbedingungen, veränderte Ziele, etc. anpassen zu können. Solche Systeme sind selbstadaptiv, selbstorganisierend, selbstheilend, selbstoptimierend, etc.

Diese Eigenschaften führen dazu, dass mit der Anzahl der Freiheitsgrade die Komplexität solcher Systeme massiv steigt. Organic Computing beschäftigt sich mit der Erforschung von Methoden und Techniken, um solche Systeme erfolgreich entwickeln und betreiben zu können.

Design Compiler DC43

Graphenbasierte Entwurfssprachen erlauben es, das gesamte Wissen über den Entwurf eines Systems in einer digitalen, konsistenten und ausführbaren Graphenrepräsentation abzubilden. Für die Verarbeitung von Entwurfssprachen steht mit dem Design Cockpit 43® eine leistungsfähige Entwicklungsumgebung zur Verfügung. Diese bietet eine grafische Benutzeroberfläche zur intuitiven Kodierung des Entwurfswissens in Entwurfssprachen, einen leistungsstarken Compiler zur Übersetzung von Entwurfssprachen in ein ganzheitliches zentrales Modell des Systementwurfs, den sogenannten Entwurfsgraphen, sowie eine Vielzahl an weiteren Funktionen zur Analyse und Verwaltung.

Für die automatische Ableitung der domänenspezifischen Modelle aus dem zentralen Modell bietet das Design Cockpit 43® Schnittstellen für CAD, MKS, 3D-Routing, uvm. Mit der Wissensrepräsentation in Entwurfssprachen und den Fähigkeiten des Design Cockpit 43® dieses Wissen in alle notwendigen Modelle automatisiert zu überführen, lässt sich ein Entwurfsprozess realisieren, bei dem durch systematisches Variieren des Entwurfs das Aufspannen ganzer Entwurfsräume und damit die Bestimmung eines optimalen Systementwurfs möglich ist.

NDT und Machine Vision

Das Fraunhofer IGCV entwickelt und erforscht den Einsatz von Zeilenkamerasystemen für Monitoring von Bandware und Hightech-Textilen (CFK, Vließ, PAN). Aufgrund der hohen Komplextität der Technologien und ihrer Einsatzbereiche werden Algorithmen eingesetzt, die den Entwurf der Systeme teilautomatisieren und so die Entwicklungszeiten beschleunigen. Die Expertise des Fraunhofer IGCV reicht vom Bildverarbeitungssystemen über die Optik bis zur anwendungsspezifischen System-Architektur, sodass individuelle Lösungen für spezifische industrielle Anwendungen entwickelt werden können. Des weiteren umfasst das Anwendungsfeld weitere NDT-Verfahren, darunter Stereobildkameras (Tiefenbilder), Lichtfeld, Thermographie und Wirbelstrom.
Die Forschungstätigkeiten gehen über die Auslegung der Hardware jedoch hinaus. Moderne Prüfsysteme müssen vom Sensor bis zur Datenverarbeitung gedacht werden. Aus diesem Grund entwickelt das Fraunhofer IGCV Methoden, die die selbst-adaptive Generierung von Datenverarbeitungspipelines mit genetischen Algorithmen ermöglicht. Die Ansätze erhöhen die Flexbilität der Systeme erheblich und ermöglichen ein schnelles Umrüsten eines Systemens auf weitere Anwendungsbereiche.

Kontakte

Andreas Margraf

https://www.igcv.fraunhofer.de

 

andreas.margraf@igcv.fraunhofer.de

Simon Heimbach

https://www.ifb.uni-stuttgart.de/

 

heimbach@ifb.uni-stuttgart.de

Henning Cui

https://www.uni-augsburg.de/de/fakultaet/fai/informatik/prof/oc/

 

henning.cui@informatik.uni-augsburg.de

Suche