IAV GmbH Ingenieursgesellschaft Auto und Verkehr
Bei unserem Use Case im Rahmen von AutoQML geht es um Reifenmodellierung. Konkret lautet unsere Fragestellung: Wie können wir die Kräfte am Reifen mit ML und AutoML sowie AutoQML angehen? Und wenn wir Quantentechnologie hinzunehmen, wo stehen wir dann? Eine Reifenmodellierung ist aus physikalischer Sicht kein kleines Unterfangen. Auch wenn wir versuchen die Dimensionalität zu reduzieren, landen wir durchaus noch bei beispielsweise 24 Input-Parametern und sechs Output-Parametern pro Zeitschritt. Für Zeitreihen benötigt man naturgemäß gleich mehrere Zeitschritte, was in Größe und Umfang auf einem Quantencomputer noch nicht darstellbar ist. Also haben wir einen kleinen Datensatz genommen, bei dem wir die Dimensionalität steuern können. Als Anwendungsfall haben wir eine »Füllungsprädiktion« gewählt. Dabei geht es um eine Zeitreihenvorhersage im Motorsteuergerät und die Frage, was im nächsten Zeitschritt passiert. Auch diese Vorhersage beruht auf bis zu 12 Eingangsvariablen – allerdings sind diese optional und damit steuerbar.
KEB Automation KG
KEB Automation betreibt an seinem Hauptsitz in Barntrup (Deutschland) ein Transportsystem (AGILOX) für intralogistische Aufgaben. Bei jedem AGILOX-Fahrzeug handelt es sich um ein fahrerloses Fahrzeug, das durch Anlagen und Lagerhäuser navigiert, um Artikel zu transportieren. Gelegentlich kann ein Fahrzeug aus betrieblichen oder technischen Gründen ausfallen und einen sofortigen Stopp verursachen, der menschliches Eingreifen erfordert und zu Verzögerungen im Betrieb führt. Das AGILOX-System generiert Fahrzeugdaten über den Fahrzeug- und Auftragsstatus und stellt sie anderen Diensten über REST-Schnittstellen zur Verfügung. Ziel dieses Use Case ist die Entwicklung einer maschinellen Lernlösung, die den Fahrzeugstatus überwacht und potenzielle Ausfälle vorhersagt, indem sie auf der Grundlage historischer Daten prognostiziert, ob ein bestimmtes Fahrzeug zu einem vorhersehbaren Zeitpunkt in der Zukunft ausfallen wird. Die endgültige Lösung wird in das KEB Ökosystem integriert, um den »Gesundheitszustand« des AGILOX-Systems ständig zu überwachen und so den Intralogistikbetrieb zu verbessern und die Kosten für Ausfallzeiten zu senken.
TRUMPF Werkzeugmaschinen GmbH + Co. KG
TRUMPF hat sich auf die Geschäftsbereiche Lasertechnik und Werkzeugmaschinen spezialisiert. Die voranschreitende Digitalisierung erfordert eine zunehmende Fokussierung auf intelligente, unterstützende Softwaresysteme. Im Rahmen von AutoQML wird die Blechverarbeitung durch eine Laserschneidmaschine optimiert. Zum Laserschneiden wird das Blech zunächst auf die Auflagestege der Palette gelegt. Anschließend wird die Palette in den Maschinenraum gefahren, wo sich der Schneidkopf befindet und die Teile aus dem Blech herausschneidet. Das Hauptproblem bei diesem Verfahren ist, dass die geschnittenen Teile möglicherweise kippen und eine Kollision mit dem Schneidkopf verursachen können. Um dies zu vermeiden, ist die Bestimmung der Position der Auflagestege und ihrer Spitzen von entscheidender Bedeutung für die Optimierung des Schneidprozesses. Anhand von Bilddaten und Verfahren des Maschinellen Lernens wird das Vorhandensein der Auflagestege und eventuell ebenfalls deren Zustand bestimmt, zum Beispiel das Abschmelzen der Spitzen und das Anheften von Schlacke. Quantencomputing kann in Zukunft neue und bessere Lösungen für diese und viele weitere Probleme im industriellen Kontext ermöglichen.
Zeppelin GmbH
Der Zeppelin Konzern mit über 10.000 Mitarbeitenden weltweit ist in der Bauwirtschaft und Industrie aktiv. Die Zeppelin Baumaschinen GmbH ist Europas führende Vertriebs- und Serviceorganisation der Baumaschinenbranche und seit 1954 in Deutschland exklusiver Vertriebs- und Servicepartner von Caterpillar Inc., dem weltgrößten Hersteller von Baumaschinen. Neben Neumaschinen werden in großem Umfang auch gebrauchte Maschinen gehandelt. Der Handel mit Gebrauchtmaschinen bedingt die individuelle Begutachtung und Bewertung jeder Maschine die gekauft oder verkauft werden soll. Dies setzt eine hohe Expertise voraus, gepaart mit dem Wissen über die aktuellen Preisentwicklungen, und führt in der Regel zu einem mehrstündigen Bewertungsprozess. Um diesen Prozess zu unterstützen, entwickelt die Zeppelin GmbH im Rahmen des AutoQML-Forschungsprojekts ein auf tagesaktuellen Marktdaten basierendes und KI-gestütztes Preisvorhersagetool. Bestehende ML- und AutoML- Methoden werden dabei um quantengestützte Methoden erweitert und validiert.
