KI für innerbetriebliche Abläufe und in der Produktion (IAP)
Die vorliegenden Präsentationen sind interne Projektdokumentationen, die hier laut §42g UrhG den Teilnehmer_innen der Veranstaltung „Blickpunkt Forschung: Künstliche Intelligenz @ TU Wien" am 09.10.2024 zur Ansicht zur Verfügung gestellt werden. Eine Verbreitung des Materials insbesondere zu kommerziellen Zwecken ist nicht gestattet. Darüber hinaus ist ein weiteres Online-Stellen der Unterlagen nicht zulässig.
Univ.Prof. Ing. DI Dr.-Ing. Christoph Mecklenbräuker, öffnet eine externe URL in einem neuen Fenster, Institute of Telecommunications, öffnet eine externe URL in einem neuen Fenster, Forschungsbereich Wireless Communications, öffnet eine externe URL in einem neuen Fenster
Univ.Ass. DI Alexander Lukas Gratzer, öffnet eine externe URL in einem neuen Fenster, BSc, Forschungsbereich Regelungstechnik und Prozessautomatisierung
Dr. Jose Carmona, Andata Entwicklungstechnologie GmbH, öffnet eine externe URL in einem neuen Fenster
Reger Frühverkehr an einer großen Kreuzung, daneben eine Schule, Radwege, Linienbusse und eine kreuzende Straßenbahn – eine anspruchsvolle Situation sowohl für die Verkehrsplanung als auch für alle VerkehrsteilnehmerInnen (VTN). Steigendes Verkehrsaufkommen im innerstädtischen Raum verschärft den Konflikt zwischen Sicherheit, Verkehrseffizienz und Umweltbelastung. Kreuzungen sind dabei kritische Knoten in Verkehrsnetzen, die derzeit jedoch stark vereinfacht zumeist nur mit festen, voreingestellten Ampelphasen gesteuert werden. Unflexible, suboptimale Ampelsteuerung kann dabei zu unnötigen Staus und Emissionen führen. Individuelle Bedürfnisse, Anforderungen und Möglichkeiten verschiedener VerkehrsteilnehmerInnen können bisher nicht berücksichtigt werden. Moderne IKT-, Kommunikations- und Regelungskonzepte bieten prinzipiell das Potential, die Kreuzungssituationen unter Berücksichtigung der Anforderungen aller TeilnehmerInnen umfassend und in Echtzeit zu erfassen, die Situationen bestmöglich informiert zu interpretieren sowie individuelle, aufeinander abgestimmte, kooperative Regelungsstrategien für ein gesamtheitliches Optimum umzusetzen. Dies motiviert das vorliegende F&E-Projekt.
Im Projekt sollen neuartige, integrierte und flexible Kommunikations-, Regelungs- und Simulationsmethoden entwickelt werden, um das System „intelligente Kreuzung“ zu verwirklichen: verfügbare Echtzeitinformationen der Positionen, Geschwindigkeiten und des voraussichtlichen Verhaltens vieler unterschiedlicher VTN (das sind etwa vernetzte KFZ oder ungeschützte VTN wie FußgängerInnen, RadfahrerInnen, Scooter, usw.) werden erfasst, verknüpft und in Echtzeit genutzt, um im Kontext Kreuzung gleichzeitig 1) die Verkehrssicherheit für alle VTN zu gewährleisten, 2) die anfallenden Verkehrsflüsse effizient zu regeln, und damit 3) den gesamtheitlichen Energieverbrauch und die Emissionen der VTN zufolge der Kreuzungsdurchfahrt zu minimieren. Die Einbeziehung der vielen, heterogenen relevanten Stakeholder im Sinne des Human-Centered Designs, die wirksame technische Ausgestaltung und Lösung der erforderlichen Optimierungs-, Regelungs- und Kommunikationsansätze, sowie die Evaluierung dieser Lösungen gehen weit über den Stand der Technik hinaus und erfordern die F&E-Arbeiten im Rahmen dieses Projekts.
Die Verknüpfung von Kontextinformationen (Tageszeit, Wetter, regionales Verkehrsaufkommen), bereitgestellten Echtzeitdaten modern ausgerüsteter VTN (z.B. vernetzte KFZ mit Assistenzsystemen) oder Daten aus innovativen Verkehrserfassungssystemen für alle einzelnen VerkehrsteilnehmerInnen (z.B. FußgängerInnen oder RadfahrerInnen) ermöglichen es, die Kreuzungssituation sehr viel präziser als bisher zu erfassen, zu regeln und gefährliche Situationen rasch zu entschärfen bzw. bereits im Vorfeld zu verhindern. Dazu werden neue Kommunikationsmethoden zur Interaktion mit den VTN entwickelt.
Neben den Entwurfsmethoden zur Realisierung einer intelligenten Kreuzung bringt das Projekt auch valide quantitative Aussagen des Mehrwerts für die betrachteten NutzerInnen-Gruppen (verschiedene VTN inkl. FußgängerInnen), Anrainer, Betreiberinnen, öffentliche Akteure und Verkehrsplaner sowie die interdisziplinäre, inklusive Methodik zur Gewinnung dieser Erkenntnisse hervor.
Sen.Sc. DI Dr. Philipp Svoboda, öffnet eine externe URL in einem neuen Fenster, Institute of Telecommunications, öffnet eine externe URL in einem neuen Fenster, Forschungsbereich Wireless Communications, öffnet eine externe URL in einem neuen Fenster
Dieses CD-Labor strebt nach der Schaffung einer Grundlage für den Einsatz auf künstlicher Intelligenz (KI) basierender Lern- und Aktualisierungsmethoden im Bereich drahtloser Netzwerke in verschiedensten Szenarien, wodurch Aspekte wie Effizienz, Nachhaltigkeit und Zuverlässigkeit profitieren sollen: Zu diesem Zweck werden sogenannte „Digitale Zwillinge“ (DT, „digital twins“) erarbeitet, welche stark unterschiedliche Umgebungen wie Züge, Industriegelände und dynamische Umgebungen samt zugehörigem Funkzugang und der jeweiligen Nutzer_Innenpopulation im Zusammenspiel mit selbigem repräsentieren.
Projektwebsite, öffnet eine externe URL in einem neuen Fenster
Ass.Prof. DI Dr. Nysret Musliu, öffnet eine externe URL in einem neuen Fenster, Institute of Logic and Computation, Forschungsbereich Databases and Artificial Intelligence, öffnet eine externe URL in einem neuen Fenster
Dr. Werner Schafhauser, XIMES GmbH, öffnet eine externe URL in einem neuen Fenster
Christoph Mrkvicka, MCP GmbH, öffnet eine externe URL in einem neuen Fenster
Das Ziel dieses CD-Labors ist die Entwicklung innovativer Problemlösungstechniken für die Planung und den Zeitplan, die auf Synergien zwischen künstlicher Intelligenz und Optimierung beruhen.
Eine Vielzahl von Bereichen ist mit Planungs- und Terminplanungsproblemen konfrontiert. Reale Probleme in so unterschiedlichen Bereichen wie dem Gesundheitswesen, der Produktion und dem Bildungswesen sind häufig sehr anspruchsvoll, und ihre Lösungen haben Auswirkungen auf die beteiligten Personen sowie auf die Effizienz und die organisatorischen Kosten des Betriebs. Forscher auf dem Gebiet der künstlichen Intelligenz und der Optimierung haben sich intensiv mit Planungs- und Terminplanungsproblemen befasst. Zu den angewandten Methoden gehören exakte Methoden, heuristische Techniken, Näherungsalgorithmen und einfache gierige Algorithmen. Die Forschung hat in letzter Zeit aufgrund der Notwendigkeit einer vollständigen Automatisierung in industriellen Anwendungen (d.h. Industrie 4.0) an Bedeutung gewonnen. Darüber hinaus stellen neue Bereiche anspruchsvolle Probleme dar, die aufgrund der enormen Größe des Suchraums möglicher Lösungen nicht optimal gelöst werden können.
In diesem CD-Labor werden neue Methoden entwickelt, die auf der Hybridisierung von künstlicher Intelligenz und Optimierungsmethoden basieren. Techniken des maschinellen Lernens werden für die automatische Auswahl von Algorithmen und für den Entwurf von Algorithmen eingesetzt. Die neuen Verfahren werden auf die anspruchsvollen, groß angelegten Planungs- und Terminierungsprobleme unserer Industriepartner angewandt. Das Projekt leistet einen wichtigen Beitrag zur Grundlagenforschung in den Bereichen Problemlösung und Optimierung. Es trägt auch zur Automatisierung von Planungs- und Terminplanungsproblemen in verschiedenen praktischen Bereichen bei.
Projektwebsite, öffnet eine externe URL in einem neuen Fenster
O.Univ.Prof. DI Dr. Thomas Eiter, öffnet eine externe URL in einem neuen Fenster und Projektass. DI Tobias Geibinger, öffnet eine externe URL in einem neuen Fenster, BSc, beide Institut für Logic and Computation, Forschungsbereich Knowledge Based Systems, öffnet eine externe URL in einem neuen Fenster
Dr. Tobias Kaminski, Robert Bosch GmbH, öffnet eine externe URL in einem neuen Fenster
Large-Neighbourhood Search for Optimisation in Answer-Set Solving Answer-Set Programming (ASP) ist ein bekannter Ansatz zur deklarativen Problemlösung, bei dem Lösungen für ein Problem durch Regeln eines logischen Programms beschrieben werden, ein Solver zur Berechnung eines Modells dieses Programms verwendet wird und dann die Lösung aus diesem Modell extrahiert wird. Die Vorteile von ASP sind Flexibilität, die Möglichkeit, Fragen zur Lösung zu beantworten, und Erklärbarkeit. Während ASP erfolgreich für die Lösung kombinatorischer Probleme eingesetzt wurde, können Optimierungsprobleme immer noch eine Herausforderung für sie darstellen. Large-Neighbourhood Search (LNS) ist eine Metaheuristik für die Optimierung, bei der Teile einer Lösung abwechselnd zerstört und rekonstruiert werden, die ein hohes, aber ungenutztes Potential für die Lösung von ASP hat. Wir haben einen Rahmen für die LNS-Optimierung beim Lösen von Antwortmengen entwickelt, in dem Nachbarschaften entweder deklarativ als Teil der ASP-Codierung oder automatisch durch Code generiert spezifiziert werden können. Um verschiedene Nachbarschaften effektiv zu untersuchen, werden spezielle Techniken des ASP-Lösens ausgenutzt. Der Rahmen wurde im System ALASPO implementiert, das eine adaptive Erweiterung von LNS für die ASP-Optimierung darstellt. Nachbarschaften können im Code oder deklarativ als Teil der ASP-Codierung definiert werden, und es stehen Portfolios für die LNS-Operatoren zusammen mit selbstanpassenden Auswahlstrategien zur Verfügung. Eine Evaluierung verschiedener, zum Teil bekanntermaßen schwieriger Optimierungsprobleme, darunter die Schichtplanung und ein paralleles Maschinenplanungsproblem aus der Halbleiterfertigung, inspiriert durch das Bosch-Werk Reutlingen, demonstriert die Wirksamkeit des LNS-Ansatzes.
Emna Slimane, öffnet eine externe URL in einem neuen Fenster, BSc, Institut für Fertigungstechnik und Photonische Technologien, Forschungsbereich Fertigungstechnik
Dr. Denys Plakhotnik, ModuleWorks GmbH, öffnet eine externe URL in einem neuen Fenster
Kilian Köppl, MSc, craftworks GmbH, öffnet eine externe URL in einem neuen Fenster
Ziel des Projektes „SurfAIce“ ist die Entwicklung eines prototypischen, KI-basierten Oberflächenrauheits-Vorhersagemodells, zur automatisierten CAM-Bearbeitungsplanung aufgrund gelernter Bearbeitungsregeln. Durch geeignete Sensoren in der Werkzeugmaschine sowie eine speziell hierfür entwickelte Versuchsreihe, gelingt es der Werkzeugmaschine, ihr dynamisches Verhalten bei der Bearbeitung von verschiedenen Bauteilen zu charakterisieren. Hieraus können über moderne Datenanalyse-Modelle Aussagen in Bezug auf Bearbeitungsstrategie und -parameter, sowie die resultierende Oberflächengenauigkeit hervorgehen. Hierdurch können neue Bauteile sowie kleine Losgrößen automatisiert geplant und validiert werden. Prozessparameter werden dabei so gewählt, um die gewünschten Oberflächeneigenschaften zu erhalten. Das vorgestellte Projekt zeigt dabei in vier ausgewählten Aspekten einen Innovationsgehalt über dem Stand der Technik: (a) Entwicklung einer feature-orientierten Datenbank bestehend aus Maschinen-, Sensor- sowie Metadaten aus den zugehörigen CAM-Planungssystemen, (b) der Einsatz eines innovativen sensorischen Werkzeughalters, welcher besonders feinfühlige Prozessdaten zur Identifikation stabiler und instabiler Prozesse bereitstellt, (c) der Einsatz innovativer Ansätze aus den Bereichen der Künstlichen Intelligenz (z.B. Machine Learning) sowie (d) die Erarbeitung innovativer Bearbeitungsregeln basierend auf den aufgezeichneten und analysierten Datensätzen der Werkzeugmaschine. Das Ergebnis des Projektes ist ein durchgängiger Prototyp, welcher eine als Input gelieferte Bearbeitungsplanung anhand gelernter Maschinenregeln überarbeitet und entsprechend den Vorgaben optimiert in das CAM-Planungssystem zurückspielt.
Das hier vorgestellte Projekt liefert einen wesentlichen Beitrag am Weg zu „selbst-lernenden“ Werkzeugmaschinensystemen. Funktionalitäten dieser Art ermöglichen eine möglichst automatisierte Planung, sowie Fertigung von kleinen Losgrößen und neuartiger Bauteile, basierend auf gelernten, komplexen Zusammenhängen direkt an der ausgewählten Werkzeugmaschine und hat hierdurch das Potential aktuelle Ansätze zur Prozessplanung sichtlich zu revolutionieren.
"Künstliche Intelligenz" ist Teil der Veranstaltungsreihe "Blickpunkt Forschung".
"Künstliche Intelligenz" ist Teil der Veranstaltungsreihe "Blickpunkt Forschung".