Prozessführungskomponenten für die Integration von Machine Learning Modellen in die operative Prozessführung
Zusammenfassung
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.
Inhaltsverzeichnis
Abkurzungen ¨ IX
Kurzfassung XI
Abstract XI
1 Einleitung 1
1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Zielset...
Schlagworte
- I–XII Titelei/Inhaltsverzeichnis I–XII
- 1–3 1 Einleitung 1–3
- 1.1 Motivation
- 1.2 Zielsetzung und Lösungsansatz
- 1.3 Kontext der Arbeit
- 1.4 Aufbau der Arbeit
- 4–26 2 Grundlagen der Prozessführung und des Machine Learning 4–26
- 2.1 Kybernetisches Führungsmodell in der Automation
- 2.1.1 Steuerndes und gesteuertes System im Zweiweltenmodell
- 2.1.2 Bildung von Softaktoren
- 2.1.3 Technische Komponente
- 2.1.4 Komponenten zur Prozessführung
- 2.1.5 Komponentenbasierte Führungsarchitektur
- 2.2 Künstliche Intelligenz und maschinelles Lernen
- 2.2.1 Architektur
- 2.2.2 Trainingsverfahren
- 2.2.3 Entwicklungsablauf
- 2.2.4 Allgemeine Problemstellungen
- 2.2.5 Bestärkendes Lernen
- 2.2.6 Einbettung in die Prozessführung
- 2.3 Randbedingungen in der Produktion
- 2.3.1 Anforderungen aus Operational Technology Sicht
- 2.3.2 Anforderungen aus Machine Learning Sicht
- 2.3.3 Herausforderungen beim Einsatz im industriellen Umfeld
- 27–39 3 Vorarbeiten im Bereich komponentenbasierter Prozessführung 27–39
- 3.1 Auftragsschnittstelle
- 3.1.1 Sprechende Kommandos
- 3.1.2 Fahrweisen als Dienste
- 3.2 Zustandsautomaten
- 3.2.1 Belegung
- 3.2.2 Betriebsart
- 3.2.3 Betriebszustand
- 3.2.4 Fahrweise
- 3.3 Entwurfsmuster
- 3.3.1 Innerer Aufbau
- 3.3.2 Fähigkeiten- und Fahrweisenebene
- 3.4 Komponenten-Entwicklung
- 3.4.1 Entwicklungsprozess
- 3.4.2 Fähigkeitenbasiertes Engineering
- 3.5 Komponentenumgebung
- 40–73 4 Lösungsentwurf einer Fahrweise zur Integration von Machine Learning 40–73
- 4.1 Konzept der ML-Fahrweise
- 4.1.1 Deployment
- 4.1.2 Relevante Verteilungsmöglichkeiten
- 4.2 Ansätze innerhalb der Prozessführungskomponente
- 4.2.1 ML-Modell als Fahrweise
- 4.2.2 Fahrweisenwahl
- 4.2.3 Fähigkeitenebene
- 4.2.4 Auftragsaufgabe
- 4.2.5 Makro für Auftragsaufgabe
- 4.3 Interaktionen der ML-Fahrweise
- 4.4 Auftragseingang
- 4.4.1 Anpassung der bestehenden Signatur
- 4.4.2 Signatur der ML-Fahrweise
- 4.5 Betriebszustände
- 4.5.1 Abbruch- und Stoppphase
- 4.5.2 Synchronisierung über die Pausephase
- 4.5.3 Haltephase
- 4.6 Betriebsarten
- 4.6.1 Nutzung der Standard Betriebsarten
- 4.6.2 Interpretation der Simulationsbetriebsart
- 4.6.3 Erweiterung um Trainings-Betriebsarten
- 4.7 Schnittstellen
- 4.7.1 Schnittstelle des ML-Modells
- 4.7.2 Schnittstelle der ML-Fahrweise
- 4.8 Entwurfsmuster der ML-Fahrweise
- 4.8.1 Steuerkopf
- 4.8.2 Aktions- und Beobachtungsfunktion
- 4.9 Fahrweisenüberwachung
- 4.9.1 Verriegelung und Deployment
- 4.9.2 überwachung
- 4.9.3 Ausweichaktion
- 74–87 5 Einordnung in die Prozessführung und den Entwicklungsablauf 74–87
- 5.1 Einordnung in die Prozessführung
- 5.1.1 Ansatz als AT-Pyramide
- 5.1.2 Ansatz als Leitsystem
- 5.1.3 Ansatz als Komponente
- 5.1.4 Ansatz als Fahrweise
- 5.2 Entwicklungsablauf
- 5.2.1 Ausgangspunkt
- 5.2.2 Prozess-Entwicklung
- 5.2.3 Prozessleittechnik-Entwicklung
- 5.2.4 System-Entwicklung
- 5.2.5 Komponenten-Entwicklung
- 5.3 ML-basierte Entwicklung
- 5.3.1 Entwurf des ML-Modells
- 5.3.2 Erstellung der Trainingsgrundlage
- 5.3.3 Aufbau der Trainingsumgebung
- 5.3.4 Training
- 5.4 Nutzung der ML-Fahrweise im Training
- 5.4.1 Bewertungsfunktion
- 5.4.2 Interaktionen des ML-Modells
- 88–119 6 Anwendungsbeispiel für die Steuerung eines Palettentransportsystems 88–119
- 6.1 Anwendungsfall
- 6.1.1 Kaltwalzwerk
- 6.1.2 Palettentransportsystem
- 6.1.3 Komponentenbasierte Prozessführung
- 6.1.4 Aufgabenstellung und Machine Learning Ansatz
- 6.2 Umsetzung des Anwendungsfalls im Prozessleitsystem
- 6.2.1 ACPLT/RTE
- 6.2.2 PFK-Rahmen
- 6.2.3 Art der Integration
- 6.2.4 ML-Fahrweise
- 6.2.5 ML-Modell
- 6.3 Trainingsumgebung
- 6.3.1 Unity
- 6.3.2 Simulation
- 6.3.3 PFK-Rahmen
- 6.3.4 ML-Fahrweise
- 6.3.5 ML-Fahrweise der Palette
- 6.3.6 ML-Modell
- 6.3.7 Training
- 120–129 7 Evaluation und Diskussion 120–129
- 7.1 Integrationstest
- 7.1.1 Tests im Leitsystem
- 7.1.2 Weitere Trainingsszenarien
- 7.2 Einordnung der Ergebnisse
- 7.2.1 Integration
- 7.2.2 Training
- 7.2.3 Entwicklungsablauf
- 7.2.4 Herausforderungen
- 7.2.5 Erweiterungsmöglichkeiten des Trainingsprozesses
- 7.3 Voraussetzungen
- 7.3.1 Komponentenbasierte Prozessführung
- 7.3.2 Trainingsgrundlage
- 7.4 übertragbarkeit
- 7.4.1 Prozessführungsstandards
- 7.4.2 Verwaltungsschalen
- 130–151 8 Zusammenfassung und Ausblick 130–151
- 8.1 Ausblick
- A Anhang
- A.1 Prozessführungskomponente
- A.1.1 Zustandsautomaten
- A.1.2 Fahrweisenmakro
- A.2 Entwurf
- A.2.1 ML-Modell-Schnittstelle
- A.2.2 ML-Fahrweisen-Schnittstelle
- A.2.3 Betriebszustände
- A.2.4 Deployment als Co-Simulation
- A.2.5 Generische Aktionsfunktion
- A.2.6 Beispielsequenzen zur Kommunikation von ML-Modell und Fahrweise
- A.3 Prototyp
- A.3.1 Unity-ML-Agents-Toolkit
- A.3.2 Unity Klassendiagramme
- A.3.3 Trainingskonfiguration
- A.3.4 ACPLT/RTE CFCs
- 152–162 Literatur 152–162
- 163–163 Normen und Standards 163–163
- 164–168 Betreute Abschlussarbeiten 164–168
