Projektbeschreibung
Tiefe neuronale Netze dringen aufgrund ihrer Leistungsfähigkeit in immer breitere Bereiche vor, zugleich wächst der Bedarf an einem Verständnis ihres Verhaltens. Dies ist Gegenstand der Forschung zu erklärbarer KI (XAI – eXplainable Artificial Intelligence).
Der Projektgegenstand ergibt sich aus der Erforschung und Entwicklung von XAI-Modellen, um diese in der Produktion für die Vorhersage von Prozessen und zur Optimierung dieser einzusetzen. Das übergeordnete Ziel ist hier die Vorhersage und das Erfassen von Fehlereinflussgrößen auf Produktionsprozesse in der optischen und glasverarbeitenden Industrie durch den Einsatz von XAI-Lösungen. Ein neuronales Netz soll mit den Trainingsdaten eine Korrelation zwischen den gemessenen Sensordaten und der erzielten Qualität erkennen. Die Güte des Prozesses soll anhand der ausgewerteten Parameter vorhergesagt bzw. sollen Nutzer*innen gewarnt werden, wenn kommende Qualitätsprobleme besonders wahrscheinlich sind (klassische neuronale Netze). Die Gründe für die konkrete Vorhersage werden dann mittels XAI vermittelt. Es soll ein Modell entwickelt werden, welches die Eingabeparameter auf ihre Relevanz bezüglich der Qualitätsabweichung prüft, damit der Fertigungsprozess entsprechend angepasst werden kann. In einem Prozess-Redesign werden anschließend auch Kontextinformationen wie Reihenfolgen von Produkten, Wartungszeitpunkte oder Werkzeugwechsel einbezogen.
Im Projektrahmen wird eine KI mit verbundenem maschinellen Lernen in einem bisher nicht adressierten und anspruchsvollen Umfeld realisiert, was eine zusätzliche Herausforderung, jedoch gleichzeitig eine Neuheit im Gebiet der spanenden Fertigungsverfahren in der optischen und glasverarbeitenden Industrie darstellt.
Forschungszeitraum
01.10.2023 bis 30.09.2026
Initialprojekt des ZAKI
Ziele des Projekts
- Aufbau eines Sensornetzwerkes: Erfassung von Maschinen- und Prozessdaten beim Schleifen spröd-harter Materialien
- Aufbau eines Tools zur Visualisierung: Darstellung der Prozesseinflüsse und -daten
- Modellentwicklung zur Findung relevanter Eingabeparameter mit Schwerpunkt auf den erreichbaren Bauteilqualitäten
- Bildung eines neuronalen Netzes: Erkennung der Korrelation zwischen Sensordaten und Bauteilqualität
- Erforschung und Entwicklung einer erklärbaren KI zur Prozessvorhersage und Optimierung (XAI)
- Erfassen von Fehlereinflussgrößen auf Basis von XAI
Sie haben Fragen zum Projekt?
Kontaktieren Sie uns gern per Mail an zaki@eah-jena.de oder über unser Kontaktformular