Prozessführungskomponenten für die Integration von Machine Learning Modellen in die operative Prozessführung

Grothoff, Julian Alexander; Epple, Ulrich (Thesis advisor); Abel, Dirk (Thesis advisor); Kleinert, Tobias Theodor (Thesis advisor)

Als Manuskript gedruckt. - Düsseldorf : VDI Verlag GmbH (2022)
Buch, Doktorarbeit

In: Fortschrittberichte VDI : Reihe 8, Meß-, Steuerungs- und Regelungstechnik 1277
Seite(n)/Artikel-Nr.: XI, 164 Seiten : Illustrationen, Diagramme

Dissertation, RWTH Aachen University, 2022

Kurzfassung

In der Forschung finden sich vermehrt Anwendungsbeispiele des maschinellen Lernens. Einige der trainierten Modelle avisieren die direkte Steuerung oder Regelung von technischen Prozessen. Bei der Integration in industrielle Systeme ergeben sich jedoch Herausforderungen. Meist werden Lösungen individuell an das Prozessleitsystem angepasst und sind daher nicht interoperabel. In dieser Arbeit wird der Ansatz beschrieben, die Lösungen als Dienste standardisierter Komponenten zur Prozessführung zu kapseln. Ein Entwurfsmuster zeigt, wie die Herausforderungen adressiert werden und so eine schrittweise Integration sowie einheitliche Orchestrierung möglich wird. Zur Validierung wurde eine Simulation eines Transportprozesses in Unity erstellt und ein Neuronales Netz mit PyTorch trainiert. Anschließend wurde die Lösung in das Prozessleitsystem ACPLT/RTE integriert. Diese Arbeit richtet sich daher gleichermaßen an Ingenieur*innen und Wissenschaftler*innen der Automatisierung sowie der künstlichen Intelligenz.

Einrichtungen

• Fachgruppe für Materialwissenschaft und Werkstofftechnik [520000]
• Lehrstuhl für Informations- und Automatisierungssysteme für die Prozess- und Werkstofftechnik [526610]