Maschinelles Lernen und künstliche Intelligenz in der Produktion

Grundlagen – Erfolgsfaktoren – Best Practice

In Zusammenarbeit mit der Gesellschaft für Informatik (GI)

Auf einen Blick

2 Tages-Seminar
26.09.2019 - 27.09.2019
8:45 Uhr
in Ostfildern bei Stuttgart

Technische Akademie Esslingen
An der Akademie 5
73760 Ostfildern

EUR 1.200,00(MwSt.-frei)

Veranstaltung Nr. 35387.00.002


Inhouse Training anfordern

Infomaterial anfordern

Seminar weiterempfehlen


Referenten:
Prof. Dr. O. Niggemann
Automatisierungstechnik Helmut-Schmid, Universität der Bundeswehr Hamburg
P. Seeberg
Softing Industrial Automation, Haar

Teilnehmer dieser Veranstaltung interessierten sich auch für

Beschreibung

Die Mehrheit der Projekte zur Überwachung und Diagnose cyber-physischer Systeme (zum Beispiel Produktionsanlagen) beruhen auf von menschlichen Experten erstelltem Wissen. Dieses Wissen ist jedoch nur selten verfügbar, oft unvollständig, schwer zu überprüfen und zu warten. Datengetriebene Ansätze sind daher eine vielversprechende Alternative, da diese die großen Datenmengen nutzen, die heutzutage in CPS gesammelt werden. Algorithmen verwenden die Daten, um das zur Überwachung notwendige Wissen automatisch zu lernen. Dabei sind jedoch mehrere Herausforderungen zu bewältigen: Echtzeit-Datenerfassung und Speicherung, Datenanalyse, Mensch-Maschine Schnittstellen, Feedback- und Steuerungsmechanismen.
In diesem Kurs werden die Ansätze des maschinellen Lernens und der Künstlichen Intelligenz in CPS anhand von Services, wie Predictive Maintenance, Energieoptimierung, Diagnose und Optimierung, erläutert. Erfolgsgeschichten aus unterschiedlichen Branchen werden schematisch dargestellt und untermauern damit die Richtigkeit und den Nutzen der Verfahren.

Ziel der Weiterbildung

Dieser Praxisworkshop liefert leicht umsetzbare Lösungen, um KI und maschinelles Lernen in vorhandene Produktionsanlagen zu integrieren. Es geht dabei weniger um das tiefe algorithmische Verständnis der Verfahren, als vielmehr um die Probleme und Chancen der eher heterogenen Ansätze für maschinelles Lernen. Mit diesem Lehrgang können Vorbedingungen für den Einsatz von maschinellen Lernmethoden in der Produktion abgeprüft, Vor- und Nachteile verschiedener Methoden abgewägt und anhand funktionierender Beispiele eigene Projekte umgesetzt werden.

Sie erhalten Qualität
Das Qualitätsmanagementsystem der Technischen Akademie Esslingen ist nach DIN EN ISO 9001 und AZAV zertifiziert.

Teilnehmerkreis

> Technologieentwickler
> Produktmanager
> Mitarbeiter in Forschungs- und Entwicklungsabteilungen

Inhalte

Donnerstag, 26. und Freitag, 27. November 2019
8.45 bis 12.00 und 13.30 bis 16.45 Uhr

1. Einführung in ML/KI
> Grundlagen von Machine Learning (ML) und Künstliche Intelligenz (KI)
> praktische Beispiele für den Einsatz von ML und KI
> Welche Anwendungsfälle sehen wir wo in der Wertschöpfungskette?
> Welche Anwendungsfälle benötigen welche Methoden der KI bzw. des ML?
> Wertschöpfungskette mit ML und KI
> Bedeutung von ML und KI für die deutsche Industrie und deren Entwicklung im internationalen Umfeld
> Statistik, Data Mining

2. Datenakquise in der Produktion
> Daten sind das A und O – ohne Daten kein ML
> Datenbereinigung
> De-Facto Datenarchitektur OPC UA
> bestehende Bussysteme

3. Datensemantik in der Produktion
> Grundlagen und Standardisierung OPC UA Informationsmodelle
> Meta-Modelle
> Informationsmodelle und Auswirkungen auf die SW-Entwicklung
> praktische Übung: Einfache OPC UA IM modellieren

4. Anwendungen in der Produktion
> anstehende Anwendungen im Büro
> Anwendungen in der Medizin
> Anwendungen in der Industrie
> Hauptkategorien: Effizienzverbesserung; neue Geschäftsmodelle; Predictive Maintenance; Optimierung; Energieüberwachung; Gesamtanlageneffektivität

5. Einführung in ML
> Supervised-, Unsupervised-Learning
> verstärkendes Lernen
> neuronale Netze

6. Statistische Datenanalyse
> Statistik und ML
> Verteilungen
> LDA
> QDA
> EM
> praktische Übung: Anomalie Erkennung mit Wahrscheinlichkeitsfunktionen

7. Dimensionsreduktion – Einführung in Algorithmen: PCA, PPCA, SOMs, AEs

8. Werkzeuge
> (Cloud) Edge
> Small Data vs. Big Data
> Anwendungsbeispiele
> Plattformen
> Frameworks
> Bibliotheken
> Sprachen
> Edge und Cloud Standardisierung

9. Neuronale Netze
> Deep Learning
> CNNs
> AE
> RBM
> ReNN

10. Überwachtes Lernen
> Beispiel Support Vector Machines (SVM)
> praktische Übung: CNNs

11. Einkaufen oder selber machen? Vorbereitung des Projektstarts
> CRISP-DM
> Vision
> anwendungsfallorientiert
> Datenlage
> Evaluierung
> Implementierung und Einführungsprobleme bei ML und KI
> Data Scientist
> Edge/Cloud
> VDMA Quickguide ML
> Potenzialeinschätzung
> Rolle von IT vs. Produktion
> Vorgehen bei Forschungs- und Transferprojekten

12. Diagnose
> Logik
> heuristische Diagnose
> modellbasierte Diagnose

13. Ethik und Recht
> vertrauenswürdige KI
> Robustheit
> Maschinenrichtlinie
> Open Source Ansätze
> Dateneigentum

Referenten

Leitung:
Prof. Dr. O. Niggemann

Referenten:
Prof. Dr. Oliver Niggemann
Institut für Automatisierungstechnik Helmut-Schmidt-Universität/Universität der Bundeswehr Hamburg
Peter Seeberg
Softing Industrial Automation, Haar,

Termine & Preise

Extras
Die Seminarteilnahme beinhaltet Verpflegung und ausführliche Seminarunterlagen.

Die Teilnehmerzahl ist begrenzt, um den optimalen Lernerfolg zu garantieren.

Kosten
Die Kosten betragen pro Teilnehmer EUR 1.200,00(MwSt.-frei), inklusive aller Extras.

Die nächsten Termine

Datum / Uhrzeit Seminartitel Ort Preis
26.09.2019, 8:45 Uhr Maschinelles Lernen und künstliche Intelligenz in der Produktion Ostfildern$$ortdetail$$ EUR 1.200,00

© Technische Akademie Esslingen e.V., An der Akademie 5, 73760 Ostfildern  | Impressum