Drucken

VDI Konferenz Machine Learning in der Produktion 2018

Diese Veranstaltung ist Teil des VDI-Events "Robotik für die Smart Factory".

  • Erfahren Sie, wie der Stand des Maschinellen Lernens im industriellen Umfeld aussieht und wie diese Methoden schon heute ihren Einsatz finden.
  • Tauschen Sie sich mit anderen Teilnehmern zum Thema „Machine Learning“ und „Deep Learning“ aus.
  • Lernen Sie Lösungen aus der industriellen Praxis kennen.
  • Treffen Sie Experten und Anwender rund um das Thema Maschinelles Lernen und Künstliche Intelligenz im Industriealltag.

Besonders für die industrielle Produktion ist das „Machine Learning“, ein Teilgebiet der künstlichen Intelligenz (KI), relevant. Anhand von Betriebs- und Maschinendaten sollen die Maschinen mittels intelligenter Algorithmen eigenständig lernen, wiederkehrende Muster und Objekte zu erkennen. Das so erlernte Wissen kann dann auf unbekannte bzw. unsortierte Daten angewendet werden, um Fehlerquellen zu identifizieren, Prozesse zu optimieren sowie Zustandsprognosen zu erstellen.

Kostenloses Whitepaper zur Veranstaltung zum Download

Use of Machine Learning for Smart Production and Smart Maintenance
Autor: Markus Ahorner, Ahorner & Partner, Ratingen

Whitepaper anfordern

Chancen und Herausforderungen durch Maschinelles Lernen

Aber wie weit ist das maschinelle Lernen in der industriellen Anwendung wirklich? Welche Chancen und Potentiale bietet es speziell für den Maschinenbau und die Produktion? Die selbstlernenden Systeme sind eine Kerntechnologie der Industrie 4.0, aber oft scheinen die Erwartungen an die KI noch fernab der Realität. Kritiker nennen hier die oft noch beschränkten Kompetenzen neuronaler Netze, die teilweise zu sehr fragwürdigen Ergebnissen führen. Es gilt erklärbare, sichere und nachvollziehbare KI-Lösungen zu entwickeln, d. h. die Qualität der Algorithmen muss sichergestellt werden und das Verhalten der Algorithmen vorhersagbar sein.

Themenschwerpunkte der Konferenz

Auf der VDI-Konferenz „Machine Learning in der Produktion 2018“ wollen wir u. a. über folgende Themen diskutieren:

  • Vernetzte Produktion: Nutzbarmachen der verfügbaren Daten für erhebliche Effizienz- und Qualitätssteigerungen in der Fertigung
  • Big Data und Data Analytics - Vorteile im Wettbewerb durch Prozessoptimierung: Die richtigen Schlussfolgerungen aus den Maschinendatenbergen aus dem Produktionsumfeld ziehe
  • Anwendungen in der mobilen Robotik (analog zum autonomen Fahren): Roboter, die mit dem Menschen in einem sich ständig wandelnden Umfeld interagieren.
  • Ablösung der klassischen Automatisierung durch Anwendung der künstlichen Intelligenz?
  • Lernende Maschinen: Entscheidungen schneller treffen und die Leistungsfähigkeit der eingesetzten Maschinen optimieren

Programmablauf der Konferenz

Dienstag, 11. Dezember 2018

10:00

Registrierung und Begrüßungskaffee in der Fachausstellung  

11:15

Begrüßung und Eröffnung durch den Konferenzleiter 

Prof. Dr. rer. nat. Oliver Niggemann, Fraunhofer IOSB, Institutsteil Industrial Automation (IOSB-INA), Stellv. Leitung, Lemgo

Keynote

11:30

Industrial Machine Learning - Chancen, Herausforderungen, Lösungen

  • ML in der Industrie muss mit Expertenwissen kombiniert werden, um einen Mangel an signifikanten Daten auszugleichen
  • ML ist garantiert nicht sicher, aber es wird für den Einsatz in der Industrie auditierbar
  • Maschinelles Lernen in der Industrie verlagert sich von der Cloud zu den Daten 

Dr. Dirk Hecker, Geschäftsführer Fraunhofer Allianz Big Data.AI und  Stv. Institutsleiter Fraunhofer IAIS, Sankt Augustin

Von den Daten zur Information

12:00

Vom Sensor bis zum Neuronalen Netz: Einfacher und schneller Einstieg in das Maschinelle Lernen mit einer erprobten Datenarchitektur für die Smarte Fabrik    

  • Wie funktioniert Maschinelles Lernen: Die Grundlagen, einfach erklärt

  • Die drei Ebenen der IT-Architektur für die Smarte Fabrik: Wie ein Digitaler Zwilling entsteht, und was man dafür braucht

  • Aufstellen des Datenmodells: Die Do’s und Dont’s des Maschinellen Lernens in der Smarten Fabrik

  • Konkrete Anwendungen von Softwareagenten: Wie Sie mit AI/Machine Learning die Fabrik automatisieren

  • Ausblick: Wie geht es weiter mit Maschinellem Lernen und der Smart Factory?

Dipl.-Ing. Markus Ahorner, Managing Partner, Ahorner & Partner, Ratingen

12:30

Von Daten zur Information – Maschinelles Lernen im automatisierten Anlagenmonitoring von Schienennetzen

  • Erst die Fragen, dann die Anworten; Hypothesengetriebens Vorgehen zum Nutzen des Kunden

  • Wahl der Waffen; Unterschiedliche Probleme erfodern unterschiedliche MachineLearning-Methoden  

  • 1 + 1 = 3; Wenn Daten aus unterschiedlichen Quellen kombiniert werden

  • Eine Schwalbe macht noch keinen Sommer Vom Proof of Technology zur generalisierten Lösung - Erfolg ist, wenn es im Alltag genutzt wird

 Thomas Böhm, Chief Data Scientist, Konux GmbH, München

13:00

Mittagspause und Besuch der Fachausstellung

Machine Learning & Data Analytics im Produktionseinsatz

Machine Learning im Praxiseinsatz

  • Der Recogizer Ansatz: von der Anomalie Erkennung zur prädiktiven Regelung von Anlagen und Maschinen
  • Maschinelles Lernen in der Praxis: Herausforderungen, Lösungen, Ergebnisse
  • Handlungsempfehlungen

Oliver Habisch, Geschäftsführer, Recogizer Analytics GmbH, Bonn  

15:00

Schaeffler goes Digital – Machine Learning for Smart Factories 

  • Wege und Ansätze der Schaeffler Digitalisierungsaktivitäten
  • Maschinenkonnektierung als Enabler für Machine Learning
  • Beispiel Cases aus der Produktion bei Schaeffler

Dr. Johannes Kröckel |  Head of Advanced Data Analytics, Schaeffer AG Mark Fischer |  Director Digital Business Innovation, Schaeffler AG

15:30

Maschinelles Lernen und Künstliche Intelligenz für die Produktion –  Abgrenzung zwischen zwei Forschungsgebieten 

Prof. Dr. rer. nat. Oliver Niggemann, Fraunhofer IOSB, Institutsteil Industrial Automation (IOSB-INA), Stellv. Leitung, Lemgo  

16:00

Kaffeepause

16:30

Was aktuell von Machine Learning und AI in der Werkshalle ankommt

  • Gewinnbringend Data Science in die Fertigung bringen 
  • Vorgehensweisen bei Analytics-Projekten  
  • Ist „bigger“ auch immer besser? Eher „Big“ oder eher „Data“?
  • Verwendbarkeit der Daten: Aus dem Nichts zur Lösung Ihres Anwendungsfalls 
  • Praxisbeispiele aus Fertigung und Logistik

Dr. rer. nat. Maximilian Schlupp, Nexeed Data Analytics, Bosch Connected Industry, Berlin

17:00

Digitaler Retrofit: was bringt edge computing direkt an der Maschine

  • Warum edge computing und wie spielt das mit machine learning zusammen?
  • Condition Monitoring als Nachrüstung
  • Kostenersparnis durch digital retrofit
  • Praktische Beispiele aus der Produktion

Dr. Jan Regtmeier, Director Product Management, HARTING IT Software Development GmbH

17:30

Einführung von Machine Learning für die Produktion

  • Potentiale und Nutzen von ML in der Produktion
  • Stand der Technik und produktionstechnische Beispiele
  • Domain-Wissen + ML = Grey-Box Modelle   
  • Lebenszyklen-übergreifende Einführungsstrategie  
  • Kompetenzaufbau im Unternehmen vs. ML als Dienstleistung

Dr.-Ing. Hajo Wiemer, Abteilungsleiter Prozessinformatik und Maschinendatenanalyse (TU Dresden), Prof. Dr.-Ing. Steffen Ihlenfeldt, Professur für Werkzeugmaschinenentwicklung und adaptive Steuerungen (TU Dresden), Leiter der Hauptabteilung Cyber-physische Produktionssysteme (Fraunhofer IWU)

ca. 18:00

Get-Together

Zum Ausklang des ersten Veranstaltungstages lädt Sie das VDI Wissensforum zu einem Get-Together ein. Nutzen Sie die entspannte Atmosphäre, um Ihr Netzwerk zu erweitern und mit anderen Teilnehmern und Referenten vertiefende Gespräche zu führen

Mittwoch, 12. Dezember 2018

Die richtigen Schlussfolgerungen aus den Maschinendatenbergen aus dem Produktionsumfeld ziehen

09:00

Von der Faustregel zur Handlungsempfehlung: Wenn Daten zum Wettbewerbsvorteil in der Produktion werden

  • Nur wer Daten versteht, kann Mehrwert schaffen: Wie Daten zu Wissen werden
  • Der Mythos vom goldenen Hammer: Jede Herausforderung benötigt das richtige Werkzeug
  • Ungenutzte Potentiale: datengetriebene Softwarelösungen als Schlüssel zur Steigerung der Anlageneffektivität
  • Schlüsselrolle Anlagenbediener: Optimierte Prozesse durch individuelle Handlungsempfehlungen                      

 
Dipl.-Inf. Christoph Legat, Software Professional – Industry, Dipl.-Ing. Benno Lüdicke, Head of Smart Factory Solutions, Assystem Germany GmbH, München

09:30

Datenanalyse in der Spezialchemie

  • Fertigungsprozesse in der Spezialchemie bauen auf komplexen Prozessketten und Reaktionen auf
  • der Zustand des Prozesses und die Qualität des Produkts werden basierend auf einer hohen Datendichte (Messstellen, Sensoren, Analytik) überwacht und liefert eine ideale Grundlage für die Datenanalyse 
  • Übersicht der Herangehensweisen sowie Erkenntnisse aus Projekten im Bereich Root-Cause Analyse, Prozessoptimierung und Predictive Maintenance 

Dr. Marc Hufnagl, Data Scientist, M.Sc. Grete Kaffenberger, Dr. Hendrik Ewe, Head of Data Engineering, Production & Business Solutions, Evonik Technology & Infrastructure GmbH, Marl  

Predictive Maintenance 

  • Produktionsprozesse verstehen und analysieren  
  • Condition Monitoring für Produktionsanlagen 
  • Der Weg zum Erfolg: Exemplarisches Vorgehen für Predictive Maintenance Projekte 
  • Ansätze für Maschinelles Lernen

M.Sc. Christopher Reuß, Abteilungsleiter Smart Factory, EDAG Production Solutions GmbH & Co. KG, Fulda  

10:30

Machine-Learning basierte industrielle Edge-Analyse im Maschinen- und Anlagenbau

  • Produktionsdaten ermöglichen Kosteneinsparungen und neue Geschäftsmodelle
  • Industrielle Datenanalyse mittels Machine Learning „in the cloud“ oder „at the edge“?
  • Industrial Analytics ohne Data Scientist: Autonomous und Guided Analytics

Peter Seeberg, Business Development Manager – Industrial Data Intelligence, Softing Industrial Automation GmbH, Haar

11:30

Podiumsdiskussion 

„Einsatz von Machine Learning in der Produktion – Wie autonom funktioniert Maschinelles Lernen“

Selbstregulierung und Herausforderungen

12:00

Machine Learning und Virtual Reality Assistance

  • Objekterkennung Heute: Wie funktionieren künstl. neuronale Netze? 
  • Herausforderungen für autonome Systeme im produktiven Einsatz
  • Wie kann Virtual Reality Assistance Probleme lösen?
  • Reinforcement Learning
  • Wie sich Algorithmen selbst verbessern

M.Sc. Jonathan Dziedzitz, WiMA, Karlsruher Institut für Technologie (KIT) Institut für Fördertechnik und Logistiksysteme (IFL) Fachbereich Robotik und interaktive Systeme, Karlsruhe  

12:30

Mittagspause und Besuch der Fachausstellung

14:00

Maschinelles Lernen in Verbindung mit Erweiterter Fuzzy Logik 

  • Verknüpfung von multikriteriellen Entscheidungen mit maschinellem Lernen
  • Selbstregulierende Optimierung
  • Erlernen von Zielprioritäten
  • Automatisiertes Lernen basierend auf Prozessdaten und zukünftigen Optimierungszielen
  • Konsistente Entscheidungen für komplexe Produktionsprozesse

Dr. Rudolf Felix, Geschäftsführer, PSI FLS Fuzzy Logik & Neuro Systeme GmbH, Dortmund

14:30

Metrologie für die Digitalisierung - Vertrauen und Verlässlichkeit für Maschinelles Lernen

  • Kalibrierung und Rückführung für Smarte Sensoren 
  • Digitale Kommunikation metrologischer Information
  • Bedeutung von Messunsicherheiten für maschinelles Lernen

Dr. Sascha Eichstädt, Leiter der Stabsgruppe Koordination Digitalisierung, PhysikalischTechnische Bundesanstalt, Berlin  

15:00

Zusammenfassung und Schlusswort

Prof. Dr. rer. nat. Oliver Niggemann, Fraunhofer IOSB, Institutsteil Industrial Automation (IOSB-INA), Stellv. Leitung, Lemgo

15:15

Ende der Veranstaltung

An wen wendet sich die Konferenz?

  • Die Konferenz ist besonders interessant für Entscheidungsträger sowie Fach- und Führungskräfte aus den Bereichen
  • Implementierung von Automatisierungslösungen
  • Leitung von Produktionsstätten
  • Maschinenhersteller, Maschinenanwender
  • Produktionstechnologie, Instandhaltung, Fabriküberwachung
  • Hersteller von Sensoren sowie von Softwarelösungen zur Datenauswertung
  • IT, Softwaretechnologie, Datenanalyse, Big Data, Smart Data
  • Innovation, Business Development, Technologiescouting

VDI-Robotik-Event 2018

Zeitlich parallel zu dieser Veranstaltung finden in den Nachbarsälen die 7. VDI-Fachtagung Industrielle Robotik 2018 sowie weitere Satellitenveranstaltungen statt. Teilnehmer der VDI-Konferenz „Machine Learning in der Produktion 2018“ können die Vorträge aller Veranstaltungen vor Ort ohne Mehrkosten besuchen, so dass ein übergreifender Austausch möglich ist.

Jetzt schon Platz sichern

Nutzen Sie die Gelegenheit, sich auf dem traditionell zum Jahresende stattfindenden Robotik-Event über den Einsatz des maschinellen Lernens in der Produktion auszutauschen. Freuen Sie sich auf spannende Diskussionen sowie ein erfolgreiches Networking und reservieren Sie am besten gleich Ihr Konferenzticket für die neue VDI-Konferenz „Machine Learning in der Produktion 2018“ zum Frühbucherpreis! Dieser gilt bis zum 6. August 2018.

Möchten Sie sich einen Überblick über die vielfältigen Einsatzmöglichkeiten von Data-Mining-Methoden und Machine-Learning-Algorithmen verschaffen, empfehlen wir Ihnen ebenfalls den Spezialtag am 10.12.2018 zum Thema "Data Analytics und Machine Learning". Wenn Sie den Spezialtag zusammen mit der Konferenz buchen, profitieren Sie von unserem reduzierten Kombipreis.

Veranstaltungsnummer: 02TA220

Diese Veranstaltung ist momentan nicht buchbar.

Sobald die Veranstaltung wieder gebucht werden kann, informieren wir Sie gerne per E-Mail.

Durch Absenden Ihrer Kontaktdaten verpassen Sie zukünftig keine Updates mehr zu unseren Veranstaltungen.

Haben Sie Fragen zur Veranstaltung?

Sie erreichen uns unter:

+49(0)2116214-201
+49(0)2116214-154
wissensforum@vdi.de