Anzeige

Deep-Learning-Systeme für den Maschinen- und Anlagenbau

Kognitive Selbstlernprozesse

Fast täglich liest man über neue Deep-Learning-Ansätze in allen möglichen Bereichen. Allerdings stellt sich die Frage, inwieweit dieses Thema bereits tauglich für den industriellen Einsatz ist. Um hierzu mehr zu erfahren, hat das SPS-MAGAZIN bei Rahman Jamal, Global Technology & Marketing Director von National Instruments, nachgefragt.

Bild: http://www.techthisoutnews.com/win-friends-influence-people-using-robots/Bild: http://www.techthisoutnews.com/win-friends-influence-people-using-robots/

Alle reden über Deep Learning, dabei ist das Thema doch bereits seit einigen Jahren auf dem Markt?

Rahman Jamal: Sie haben recht, das Konzept an sich ist nicht neu. Aber der Zeitpunkt für seine Wiederbelebung ist nicht zufällig. Die Komplexität einer IIoT-Anwendung sowie die Vernetzung solcher Applikationen führt zu einer Unmenge von Daten (Stichwort: Big Analog Data) und schreit regelrecht nach Deep-Learning-Methoden. Wobei mit IIoT-Anwendungen nicht nur Smart-Factory-bezogene I4.0-Applikationen gemeint sind, sondern jegliche smarte Applikationen (Cyber-physical Systems, CPS), wie Smart Grid, Smart Health und Smart Transportation etc. Solche CPS analysieren ihre Umgebung und erkennen auf Grundlage ihrer Beobachtungen Muster und Zusammenhänge, müssen also extrem lern- und anpassungsfähig sein. Seit Maschinen in der Lage sind, sich Zusammenhänge zu erschließen und Neues zu erlernen, werden immer mehr solcher intelligenten Systeme auch im Fertigungsprozess eingesetzt, besonders bei der Zustandsüberwachung, Bildverarbeitung oder Predictive Maintenance. Die Fertigung auf Grundlage vorhandener Daten zu optimieren, ist eines der Kernziele von I4.0. Deep Learning eignet sich hier ideal zur automatisierten Analyse von Big Analog Data auf Basis intelligenter Algorithmen und spielt daher eine große Rolle für den Maschinen- und Anlagenbau sowie die Smart Factory, also die intelligente Fabrik der Zukunft.

National Instruments Germany GmbH

Dieser Artikel erschien in SPS-MAGAZIN 9 2017 - 07.09.17.
Für weitere Artikel besuchen Sie www.sps-magazin.de