BRAIN II
Biological Inspired Learning Processes for Machines in Production
Produktionssysteme sind komplexe soziotechnische Systeme. Zur Beschreibung dieser Systeme werden sowohl deterministische als auch kybernetische Modelle herangezogen, die in vielfältiger Form genutzt werden, um z. B. im Betrieb Zustandsüberwachung, Qualitätssicherung und gesteuertes System-verhalten zu realisieren. Die mit diesen Modellen verfolgten Ziele variieren und verfolgen u.a. die Identifikation von Wirkzusammenhängen und Gesetzmäßigkeiten bzw. von Phänomenen, Strukturen und Mustern. In der virtuellen Produktion werden bspw. Simulationsmodelle herangezogen, um das Verhalten von Produktionsprozessen oder Materialien vorherzusagen. Im Fokus des BRAIN Projektes liegen datenorientierte Lernverfahren (Supervised und Unsupervised Learning und Reiz-reaktionsorientierte Lernverfahren (Reinforcement Learning). Das Ziel dieses Vorhabens ist es, eine systematische Aufbereitung von Verfahren des maschinellen Lernens im Produktionskontext hinsichtlich ihrer Nutzungspotenziale anzustoßen. Dazu werden die Verfahren sowohl theoretisch aufbereitet als auch praktisch in verschiedenen Use Cases angewendet und evaluiert. Darüber hinaus dient das Vorhaben dem Ausbau eines interdisziplinären RWTH-internen Forscherteams im Kontext KI-gestützter Datenanalysen in der Produktionstechnik.