Ende Februar konnten gleich vier Forscher des Studiengangs Informationstechnik & System-Management ihre Forschungsergebnisse endlich wieder in Präsenz auf der Eurocast 2022, der 18th International Conference on Computer Aided Systems Theory in Las Palmas de Gran Canaria, Spanien, einem internationalen Publikum von Fachkollegen vorstellen.
„Ich freue mich sehr, dass bei der Eurocast 2022 unsere Gruppe gleich bei vier Vorträgen vertreten war. Für die Vernetzung, den fachlichen Austausch und die Förderung des wissenschaftlichen Nachwuchses, sind Konferenzen in Präsenz von essentieller Bedeutung und eine Teilnahme ist ja auch ein Ausdruck der Anerkennung“, sagt Stefan Huber, Leiter des Projektes KI-Net an der FH Salzburg. Gemeinsam mit seinem Projektteam flog er Ende Februar nach Las Palmas de Gran Canaria, um einem internationalen Publikum von Fachkollegen die Resultate zum Thema KI-basierte Optimierung für KMU in der Fertigung zu präsentieren.
Georg Schäfer und Reuf Kozlica stellten eine Architektur für die Anwendung von Reinforcement Learning in Industrieumgebungen vor: „Möglichst kurze Markteinführungszeiten, individuelle Produktion sowie kleinste Chargengrößen in der Produktion sind nur einige der Anforderungen, die die Industrie 4.0 mit sich bringt“, sagt Schäfer. Um diesen Anforderungen gerecht zu werden, wird in dem Paper „An Architecture for Deploying Reinforcement Learning in Industrial Environments“ eine Architektur vorgestellt, die es ermöglicht, bereits am Markt verfügbare Reinforcement Learning Agenten in das industrielle Setting mittels OPC UA zu integrieren. Dies begünstigt das autonome Lernen von Steuerungsaufgaben, um somit Automatisierungsprozesse auf individuelle Metriken zu optimieren. Dabei werden bestimmte Charakteristika beachten, die aus der Domäne der Operational Technology stammen, wie geografisch verteilte Systeme sowie Plattformunabhängigkeit.
Hannes Waclawek präsentierte eine Arbeit über Spline-Approximation mittels gradientenbasierten Optimierern in TensorFlow: Wie können moderne Maschine-Learning-Frameworks für das mechatronische Problem der Kurvenscheibenapproximation, nutzbar gemacht werden? Die Approximation durch Splines höheren Grades und unterschiedlicher Stetigkeitsanforderungen hat zahlreiche Anwendungen auch jenseits der Kurvenscheibenapproximation. Eine geeignete mathematische Problemformulierung erlaubt es anwendungsspezifische Eigenschaften des Resultats zu erzeugen. Darauf aufbauend wurde das Konvergenzverhalten der vom Machine-Learning-Framework TensorFlow angebotenen gradientenbasierten Optimierer untersucht. Durch eine bestimmte Regularisierung für dieses Modell konnten sie zudem das Konvergenzverhalten deutlich verbessern.
Auch ein R&D-Projekt erzielte interessante Erkenntnisse: Im Rahmen eines R&D-Projekts haben die zwei Master-Studenten Michael Lehenauer und Stefan Wintersteller ein Optimierungsproblem für die Kommissioinierung von Hochregallagern mittels Methoden der Künstlichen Intelligenz durch die Softwarebibliothek mlrose untersucht. Hierbei gelang es zwei Methoden (Genetische Algorithmen und Hill Climbing) in mlrose wesentlich zu verbessern. Michael Wintersteller wird im Rahmen seiner Masterarbeit spannende Folgefragen, die sich daraus ergaben, weiter beforschen.
Paper-Referenzen
Bernhard Freudenthaler, Anna Fensel, Kai Höfig, Stefan Huber, and Dirk Jacob. Ki-net: Ai-based optimization in industrial manufacturing – a project overview. In Proceedings of the 18th International Conference on Computer Aided Sytems Theory (EUROCAST 2022), Las Palmas de Gran Canaria, Spain, February 2022.
Stefan Huber and Hannes Waclawek. C k -continuous spline approximtion with tensorflow gradient descent optimizers.In Proceedings of the 18th International Conference on Computer Aided Sytems Theory (EUROCAST 2022), Las Palmas de Gran Canaria, Spain, February 2022.
Michael Lehenauer, Stefan Wintersteller, Michael Uray, and Stefan Huber. Improvements for mlrose applied to the traveling salesman problem. In Proceedings of the 18th International Conference on Computer Aided Sytems Theory (EUROCAST 2022), Las Palmas de Gran Canaria, Spain, February 2022.
Georg Schäfer, Reuf Kozlica, Stefan Wegenkittl, and Stefan Huber. An architecture for deploying reinforcement learning in industrial environments. In Proceedings of the 18th International Conference on Computer Aided Sytems Theory (EUROCAST 2022), Las Palmas de Gran Canaria, Spain, February 2022.