Konferenz für
Machine Learning und Künstliche Intelligenz
Köln, 24.-26. April 2018

Minds Mastering Machines 2018 » Programm »

// Machine Learning im Kontext der Industrie 4.0 – Von der Datenaufnahme zur Datenanalyse

Im Rahmen der Industrie 4.0 gewinnt das Thema Machine Learning auch im industriellen Kontext zunehmend an Bedeutung. Moderne Produktionssysteme erzeugen mit einer Vielzahl von Sensoren große Datenmengen.

Diese Daten aufzunehmen, in modernen Speichersystemen wie Hadoop zu persistieren und unter Anwendung von Methoden wie Supervised oder Reinforcement Learning nutzbar zu machen, ist die zentrale Herausforderung, um vorausschauende Instandhaltung und den Einsatz Künstlicher Intelligenz zur Regelung und Steuerung der Maschine zu ermöglichen.
In diesem Workshop werden den Teilnehmern die Themen der Datenaufnahme, der Datenspeicherung sowie die Analyse der Daten mittels Machine Learning durch Theorie und Praxisanteile näher gebracht.

Agenda

  • ab 10.00 Registrierung und Begrüßungskaffee

  • 11.00: Beginn

  • 11:00 - 11:30 CPS und Industrie 4.0 – Gestern, Heute, und Morgen

  • 11:30 - 12:30 Diskussion und Arbeitsphase: Wie verändert Industrie 4.0 meinen Alltag?

  • 12.30 - 13.30: Mittagspause

  • 13:30 - 14:15 Vortrag: Introduction to Industrial Data Acquisition with OPC UA

  • 14:15 - 15:00 Arbeitsphase: Informationsmodellierung mit OPC UA

  • 15.00 - 15.15: Kaffeepause

  • 15:15 - 15:45 Vortrag: Modern Data Analytics in Production

  • 15:45 - 16:30 Arbeitsphase: Data Analytics with RapidMiner (Teil 1)

  • 16.30 - 16.45: Kaffeepause

  • 16:45 - 17:15 Arbeitsphase: Data Analytics with RapidMiner (Teil 2)

  • 17:15 - 17:45 Vortrag: Industrial Big Data

  • 17:45 - 18:00 Wrap Up und Diskussion

  • ca. 18 Uhr: Ende

Technische Anforderungen:

  • Eigener Laptop mit Admin Zugang

  • Mindestens Windows 7 als Betriebssystem

  • Freien Zugriff auf USB Ports

  • Installation von UaModeler (nach Registrierung kostenfrei zu beziehen unter https://www.unified-automation.com/)

  • Installation von RapidMiner (kostenfrei in der Community Edition auf https://rapidminer.com/)

Falls Sie ein Gerät Ihrer Firma verwenden, überprüfen Sie vorher bitte, ob eines der folgenden, gelegentlich vorkommenden Probleme bei Ihnen auftreten könnte:

  • Workshop-Teilnehmer hat keine Administrator-Rechte.

  • Corporate Laptops mit übermäßig penibler Sicherheitssoftware

  • Gesetzte Corporate-Proxies, über die man in der Firma kommunizieren muss, die aber in einer anderen Umgebung entsprechend nicht erreicht werden.

Vorkenntnisse
Die Teilnehmer sollten über gute IT-Kenntnisse im Allgemeinen sowie ein Grundverständnis für die Themen des Machine Learning verfügen. Idealerweise haben die Teilnehmer Vorkenntnisse aus dem industriellen Produktionskontext.

Lernziele
Ziel des Workshops ist, die Teilnehmer für die Themen Datenanalyse und Machine Learning im industriellen Kontext zu sensibilisieren und ihnen einen Einblick in die verwendeten Technologien sowie deren Nutzung zu vermitteln. Die Teilnehmer lernen in dem Workshop die verschiedenen methodischen Ansätze zur Realisierung von Dateninfrastrukturen und Verfahrenskombinationen des ML mit ihren individuellen Stärken und Schwächen kennen.

// Daniel Lütticke Daniel Lütticke

ist Diplom-Informatiker und wissenschaftlicher Mitarbeiter am Lehrstuhl für Informationsmanagement im Maschinenbau an der RWTH Aachen University. In seiner Forschung beschäftigt er sich mit der strukturierten Aufnahme von Maschinendaten mittels moderner Verfahren wie OPC UA oder MQTT und der Nutzung dieser Daten zur fortschrittlichen Steuerung und Regelung von Industrieanlagen.


// Hasan Tercan Hasan Tercan

ist seit Juli 2015 wissenschaftlicher Mitarbeiter des Cybernetic Labs IMA & IfU der RWTH Aachen University. Als Schwerpunkte in seinem Informatikstudium setzte er Datenbanken, Data Warehousing und Data Analytics. In seiner Master-Arbeit untersuchte er den Einsatz verschiedener maschineller Lernverfahren im Versicherungssektor. Beim IMA & IfU untersucht er den Einsatz von Verfahren des maschinellen Lernens und der künstlichen Intelligenz im Produktionskontext.