Home Technology Automatisierung des Lernens neuronaler Netze in der Produktionssteuerung
Article
Licensed
Unlicensed Requires Authentication

Automatisierung des Lernens neuronaler Netze in der Produktionssteuerung

  • Bernd Scholz-Reiter , Florian Harjes and Tilo Hamann
Published/Copyright: March 24, 2017
Become an author with De Gruyter Brill
Submit Manuscript Author Information
Zeitschrift für wirtschaftlichen Fabrikbetrieb
From the journal Zeitschrift für wirtschaftlichen Fabrikbetrieb Volume 105 Issue 1-2

Kurzfassung

In den letzten Jahren haben künstliche neuronale Netze ihre grundsätzliche Eignung für den Einsatz in verschiedenen Bereichen der Produktionsplanung und -steuerung bewiesen. Zu ihren Stärken gehört die Fähigkeit, aus den während des Einsatzes gewonnenen Informationen zu lernen. Sie können sich somit flexibel an wechselnde Situationen in der Produktion anpassen und benötigen zudem im Vergleich zu klassischen Regelungsansätzen nur einen geringen Rechenaufwand für Modellierung und Betrieb. Der Einsatz über längere Zeitperioden hinweg offenbart jedoch Schwächen im Bezug auf die Effektivität des kontinuierlichen Lernens. Zum einen ist die Qualität des Lernprozesses in hohem Maße von passenden Trainingsdaten abhängig, zum anderen führt das Phänomen des Catastrophic Forgetting bei Lernprozessen über längere Zeiträume zu einem Überschreiben bereits erlernten und weiterhin nützlichen Wissens mit neuen Informationen. Hieraus ergibt sich die Notwendigkeit, den Prozess des kontinierlichen Lernens und Vergessens neuronaler Netze zu strukturieren und die Gewinnung der benötigten Trainingsdaten zu automatisieren. Ziel dieser Forschungsarbeit ist eine Softwarearchitektur, die Produktionssituationen anhand logistischer Kennzahlen bzw. statistischer Daten aus der Produktion klassifiziert, passende neuronale Netze auswählt und deren kontinuierliches Lernen mittels passender Trainingsdaten überwacht.

Abstract

During the last years artificial neural networks have proven that they are adaptable in production planning and control. Their main advantage is the ability to learn from information gained during operation, the corresponding flexibility in control and a small effort in modeling and processing time. Unfortunately, the operation of neural networks over long periods reveals some weaknesses. The continuous learning process with established training algorithms like backpropagation often leads to the phenomenon of catastrophic forgetting. Here, useful information is overwritten during the learning process. Accordingly, structuring the process of learning and forgetting of neural networks is a central point in today s research. Objective here is a software architecture for the organisation of the continuous learning process of neural networks in the field of production control.

Prof. Dr.-Ing. Bernd Scholz-Reiter, geb. 1957, ist Professor für Planung und Steuerung produktionstechnischer Systeme am Fachbereich Produktionstechnik der Universität Bremen und Leiter des BIBA – Bremer Instituts für Produktion und Logistik GmbH.

Dipl.-Inf. Florian Harjes, geb. 1981, studierte Informatik an der Universität Bremen. Seit 2009 ist er Wissenschaftlicher Mitarbeiter am BIBA im Bereich Intelligente Produktions- und Logistiksysteme.

Dr.-Ing. Tilo Hamann, geb. 1974, studierte Wirtschaftsingenieurwesen an der BTU Cottbus. Seit 2001 ist er Wissenschaftlicher Mitarbeiter und Projektleiter am BIBA im Bereich Intelligente Produktions- und Logistiksysteme. 2007 promovierte er über das Thema „Lernfähige intelligente Produktionsregelung“.

References

1 Schäfer, W.; Wagner, R.; Gausemeier, J.; Eckes, R.: An Engineer's Workstation to Support Integrated Development of Flexible Production Control Systems. In: Integration of Software Specification Techniques for Applications in Engineering. Springer-Verlag, Berlin, Heidelberg2004, S. 48–6810.1007/978-3-540-27863-4_5Search in Google Scholar

2 Barata, J.; Camarinha-Matos, L. M.: A Methodology for Shop Floor Reengineering Based on Multiagents. In: IFIP International Federation for Information Processing. Springer-Verlag, Boston2005, S. 117–12810.1007/b99775Search in Google Scholar

3 Russel, S.; Norvig, P.: Artificial Intelligence: A Modern Approach. Prentice Hall, Upper Saddle River, New Jersey2003Search in Google Scholar

4 Garetti, M.; Taisch, M.: Neuronal Networks in Production Planning and Control. Production Planning and Control10 (1999) 4, S. 324–33910.1080/095372899233082Search in Google Scholar

5 Draeger, A.: Neuronale Netze zur Regelung verfahrenstechnischer Anlagen. Shaker Verlag, Aachen1997Search in Google Scholar

6 Stegherr, F.: Reinforcement Learning zur dispositiven Auftagssteuerung in der Variantenreihenproduktion. Herbert Utz Verlag GmbH, München2000Search in Google Scholar

7 Fischer, T.: Multi-Agenten-Systeme im Fahrzeugumschlag: Agentenbasierte Planungsunterstützung für Seehafen-Automobilterminals. Deutscher Universitätsverlag, Wiesbaden200410.1007/978-3-322-81688-7Search in Google Scholar

8 Lippe, W.M.: Soft-Computing mit Neuronalen Netzen, Fuzzy-Logic und Evolutionären Algorithmen. Springer-Verlag, Berlin, Heidelberg2006Search in Google Scholar

9 Crone, S. F.: Forecasting in Inventory Management using Artificial Neuronal Networks – A novel Approach through Asymmetric Cost Functions. In: Einsatz von Fuzzy-Sets, Neuronalen Netzen und Künstlicher Intelligenz in industrieller Produktion und Umweltforschung. VDI Verlag, Düsseldorf2003, S. 59–69Search in Google Scholar

10 Scholz-Reiter, B.; Hamann, T.; Höhns, H.; Middelberg, G.: Decentral Closed Loop of Production Systems by Means of Artificial Neural Networks. In: Proceedings of the 37th CIRP International Seminar on Manufacturing Systems. Budapest, Hungary 2004, S. 199–203Search in Google Scholar

11 Zakharian, S.; Ladewig-Riebler, P.; Thoer, S.: Neuronale Netze für Ingenieure: Arbeits- und Übungsbuch for regelungstechnische Anwendungen. Viehweg Ausbildung und Studium, Braunschweig, Wiesbaden199810.1007/978-3-663-07675-9Search in Google Scholar

12 Rey, G.; Wender, K.: Neuronale Netze: Eine Einführung in die Grundlagen, Anwendung und Datenauswertung. Hans Hubner Verlag, Bern2008Search in Google Scholar

13 Hamann, T.: Lernfähige intelligente Produktionsregelung. In: Scholz-Reiter, B. (Hrsg.): Informationstechnische Systeme und Organisation von Produktion und Logistik. Gito Verlag, Berlin2008Search in Google Scholar

14 Kohonen, T.: Self-Organization an Associative Memory. Springer-Verlag, Berlin, Heidelberg, New York1984Search in Google Scholar

15 French, R. M.: Catastrophic Forgetting on Connectionist Networks. Trends in Cognitive Sciences3 (1999) 4, S. 128–13510.1016/S1364-6613(99)01294-2Search in Google Scholar

16 Wiendahl, H.-P.: Betriebsorganisation für Ingenieure. Carl Hanser Verlag, München, Wien2005Search in Google Scholar

17 Kirkpatrick, S.; GelattJr., C. D.; Vecchi, M. P.: Optimization by Simulated Annealing. Science220 (1983) 4598, S. 671–68010.1126/science.220.4598.671Search in Google Scholar PubMed

Online erschienen: 2017-03-24
Erschienen im Druck: 2010-02-24

© 2010, Carl Hanser Verlag, München

Articles in the same Issue

  1. Editorial
  2. Partnerschaftliche Unternehmenskultur
  3. Inhalt/Contents
  4. Inhalt
  5. Leitartikel
  6. Forschen für die Zukunft
  7. Schlesinger-Preis
  8. Georg-Schlesinger-Preis 2009
  9. Berliner Kreis-Mitteilungen
  10. Berliner Kreis-Mitteilungen
  11. Expertenforum Produktionslogistik
  12. 8. Internationales Heinz Nixdorf Symposium
  13. Produktionstechnik
  14. Ansatz zu einer Theorie der Produktionstechnik
  15. Prozessoptimierung
  16. Automatisierte Produktion – ohne Spanbruch undenkbar
  17. Beschneiden von pressgehärteten Blechen
  18. Analyse von Tiefbohrverfahren zur Gussbearbeitung
  19. Prozessstabilität eines kordelierten Schaftfräsers
  20. Mikroproduktion
  21. Klassifikation von Oberflächenunvollkommenheiten in der Mikrokaltumformung
  22. Prozesskettensimulation
  23. Wandlungsfähige Produktionssysteme mit Hilfe von Prozesskettensimulation
  24. 3D-Messsysteme
  25. Automatisierte Programmierung von Messrobotern zur Qualitätssicherung von Karosseriebauteilen
  26. Piezo-Metall-Verbunde
  27. Aktive Halbzeuge – Blechverbunde mit Piezo-Kern
  28. Ganzheitliche Produktionssysteme
  29. Zwischen Paradigmenwechsel und Tagesgeschäft
  30. Produktionsnetzwerke
  31. Methodik zur Gestaltung globaler Produktionsverbünde
  32. Industrielle Betreibermodelle
  33. Typologie Industrieller Betreibermodelle
  34. Mensch-Roboter-Kooperation
  35. Interaktiver Assistenzroboter in der Montage
  36. Montageorganisation
  37. Organisation der Montage variantenreicher Maschinen und Anlagen
  38. Mobile Automation
  39. Low Cost Automation in der Logistik
  40. Steigerung der Leistungsfähigkeit
  41. Anwendungsabhängige Schneidkantenpräparation
  42. Maschinelle Lernverfahren
  43. Automatisierung des Lernens neuronaler Netze in der Produktionssteuerung
  44. Data Mining in Sensordaten verketteter Prozesse
  45. Handhabungstechnik
  46. Luftströmungen vereinzeln Bauteile
  47. Praxisbericht
  48. Flexible Planung der Lieferkette in wirtschaftlich schwierigen Zeiten
  49. Vorschau/Preview
  50. Vorschau
https://doi.org/10.3139/104.110241

Articles in the same Issue

  1. Editorial
  2. Partnerschaftliche Unternehmenskultur
  3. Inhalt/Contents
  4. Inhalt
  5. Leitartikel
  6. Forschen für die Zukunft
  7. Schlesinger-Preis
  8. Georg-Schlesinger-Preis 2009
  9. Berliner Kreis-Mitteilungen
  10. Berliner Kreis-Mitteilungen
  11. Expertenforum Produktionslogistik
  12. 8. Internationales Heinz Nixdorf Symposium
  13. Produktionstechnik
  14. Ansatz zu einer Theorie der Produktionstechnik
  15. Prozessoptimierung
  16. Automatisierte Produktion – ohne Spanbruch undenkbar
  17. Beschneiden von pressgehärteten Blechen
  18. Analyse von Tiefbohrverfahren zur Gussbearbeitung
  19. Prozessstabilität eines kordelierten Schaftfräsers
  20. Mikroproduktion
  21. Klassifikation von Oberflächenunvollkommenheiten in der Mikrokaltumformung
  22. Prozesskettensimulation
  23. Wandlungsfähige Produktionssysteme mit Hilfe von Prozesskettensimulation
  24. 3D-Messsysteme
  25. Automatisierte Programmierung von Messrobotern zur Qualitätssicherung von Karosseriebauteilen
  26. Piezo-Metall-Verbunde
  27. Aktive Halbzeuge – Blechverbunde mit Piezo-Kern
  28. Ganzheitliche Produktionssysteme
  29. Zwischen Paradigmenwechsel und Tagesgeschäft
  30. Produktionsnetzwerke
  31. Methodik zur Gestaltung globaler Produktionsverbünde
  32. Industrielle Betreibermodelle
  33. Typologie Industrieller Betreibermodelle
  34. Mensch-Roboter-Kooperation
  35. Interaktiver Assistenzroboter in der Montage
  36. Montageorganisation
  37. Organisation der Montage variantenreicher Maschinen und Anlagen
  38. Mobile Automation
  39. Low Cost Automation in der Logistik
  40. Steigerung der Leistungsfähigkeit
  41. Anwendungsabhängige Schneidkantenpräparation
  42. Maschinelle Lernverfahren
  43. Automatisierung des Lernens neuronaler Netze in der Produktionssteuerung
  44. Data Mining in Sensordaten verketteter Prozesse
  45. Handhabungstechnik
  46. Luftströmungen vereinzeln Bauteile
  47. Praxisbericht
  48. Flexible Planung der Lieferkette in wirtschaftlich schwierigen Zeiten
  49. Vorschau/Preview
  50. Vorschau
Sign up now to receive a 20% welcome discount
Institutional Access
How does access work?
Have an idea on how to improve our website?
Please write us.
© 2026 De Gruyter Brill
Downloaded on 16.2.2026 from https://www.degruyterbrill.com/document/doi/10.3139/104.110241/html
Scroll to top button