Machine Learning for Cyber Physical Systems and Industry 4.0
Cyberphysische Systeme zeichnen sich durch Anpassungs- und Lernfähigkeit aus. Sie analysieren ihre Umgebung und lernen auf Basis ihrer Beobachtungen Muster, Zusammenhänge und prognosefähige Modelle. Seit Maschinen in der Lage sind zu lernen und somit eine künstliche Intelligenz entwickelt haben, gibt es Systeme, die in der Produktion zum Einsatz kommen. Typische Anwendungen für solche Systeme sind das Condition Monitoring, Predictive Maintenance, Bildverarbeitung und Diagnose. Die 3. Konferenz 'ML4CPS - Machine Learning for Cyber Physical Systems and Industry 4.0' widmet sich diesem Themenfeld. Die Veranstaltung bildet ein Forum, um neue Ansätze des maschinellen Lernens für cyber-physische Systeme zu diskutieren, erste Erfahrungen aus der Praxis auszutauschen und Visionen zu entwickeln.
Cyberphysische Systeme zeichnen sich durch Anpassungs- und Lernfähigkeit aus. Sie analysieren ihre Umgebung und lernen auf Basis ihrer Beobachtungen Muster, Zusammenhänge und prognosefähige Modelle. Seit Maschinen in der Lage sind zu lernen und somit eine künstliche Intelligenz entwickelt haben, gibt es Systeme, die in der Produktion zum Einsatz kommen. Typische Anwendungen für solche Systeme sind das Condition Monitoring, Predictive Maintenance, Bildverarbeitung und Diagnose. Die 3. Konferenz 'ML4CPS - Machine Learning for Cyber Physical Systems and Industry 4.0' widmet sich diesem Themenfeld. Die Veranstaltung bildet ein Forum, um neue Ansätze des maschinellen Lernens für cyber-physische Systeme zu diskutieren, erste Erfahrungen aus der Praxis auszutauschen und Visionen zu entwickeln.
Fraunhofer-Institut für Optronik, Systemtechnik
Dieser Artikel erschien in ROBOTIK UND PRODUKTION 2 2017 - 22.05.17.Für weitere Artikel besuchen Sie www.robotik-produktion.de
