Mitte Juli fand die renommierte International Conference on Machine Learning (ICML) in der kanadischen Stadt Vancouver statt, eine der weltweit führenden Konferenzen für Maschinelles Lernen, die im internationalen CORE-Ranking mit A* bewertet ist, der höchsten Kategorie. Dort wurde auch eine Forschungsarbeit der Hochschule vorgestellt, die im Rahmen des Projekts LineFlow am IMS – Institut für Maschinelles Sehen entstanden ist. Ziel des Projekts ist es, mit Reinforcement Learning (RL) einen Optimierungsalgorithmus zu entwickeln, der Produktionslinien in der Fertigung aktiv steuert. LineFlow wird unter der Leitung von Prof. Dr. Tobias Windisch durchgeführt und vom Bayerischen Staatsministerium für Wissenschaft und Kunst gefördert.

LineFlow: Optimierte Steuerung von Produktionslinien 
Effiziente Fertigungslinien sind das Rückgrat großer Teile der produzierenden Industrie in Deutschland. Allerdings gehört das Identifizieren und Beseitigen von Engpässen und Störungen zum Produktionsalltag vieler Unternehmen. Moderne, hochflexible Linienverbünde fertigen oft viele verschiedene Serien, was die Wahl der richtigen Einstellparameter erschwert. Die Vielzahl an möglichen Einstellungen und die oft unklaren Auswirkungen von Änderungen führen zu einem hohen manuellen Aufwand für das Linienpersonal.

Hier setzt das Projekt Line Flow an: Ziel ist es, einen Kl-basierten Optimierungsalgorithmus zu entwickeln, der aus Echtzeitdaten die optimalen Einstellparameter eines komplexen Linienverbunds berechnet und aktiv ändert, um Staus und Engpässe zu vermeiden und die Ausbringung oder den Energiebedarf zu optimieren.

Vorstellung der Projektergebnisse 
Auf der ICML präsentierten Prof. Dr. Tobias Windisch und sein wissenschaftlicher Mitarbeiter Tobias Schmähling die Ergebnisse des Projekts. Hauptergebnis ist das gleichnamige quelloffene Simulationsframework LineFlow, das die Entwicklung und Evaluation von Reinforcement-Learning-Algorithmen für reale Herausforderungen in der Fertigung unterstützt. Dazu zählen beispielsweise eine adaptive Teileverteilung und die dynamische Arbeitszuweisung. In der Publikation wird veranschaulicht, wie RL-Agenten in LineFlow trainiert und evaluiert werden und in welchen Szenarien RL-Methoden ihre Stärken ausspielen – etwa bei langen Abhängigkeiten, blockierten Puffern oder stochastischen Prozesszeiten. 

„LineFlow markiert zunächst den Startpunkt für die systematische Erforschung lernender Steuerungen in komplexen Produktionssystemen. Viele zentrale Fragen – etwa zur Skalierbarkeit und Dateneffizienz der RL-Algorithmen – sind aber noch unbeantwortet. Wir haben noch viel vor und arbeiten bereits intensiv an den nächsten Herausforderungen“, teilt Prof. Dr. Tobias Windisch mit. 

Zur Publikation: https://openreview.net/pdf?id=7tWpRX4Dxk
Zum Code & Dokumentation: https://github.com/hs-kempten/lineflow/ und https://hs-kempten.github.io/lineflow/

Über die ICML 
Die Internationale Konferenz für maschinelles Lernen (ICML) ist das führende Treffen von Fachleuten, die sich der Weiterentwicklung des als maschinelles Lernen bekannten Zweigs der künstlichen Intelligenz widmen.

Die ICML ist weltweit bekannt für Spitzenforschung zu allen Aspekten des maschinellen Lernens. Dieses findet auch in verwandten Bereichen wie künstlicher Intelligenz, Statistik und Datenwissenschaft sowie in Anwendungen wie maschinellem Sehen, Biologie, Spracherkennung und Robotik Einsatz.

Die ICML ist eine der am schnellsten wachsenden Konferenzen zum Thema künstliche Intelligenz weltweit. Die Teilnehmenden  der ICML kommen aus den unterschiedlichsten Bereichen, von akademischen und industriellen Forschenden über Unternehmerinnen und Unternehmer, Ingenieurinnen und Ingenieure bis hin zu Doktorandinnen und Doktoranden sowie Postdoktorandinnen und Postdoktoranden.

Über das IMS
Das IMS – Institut für Maschinelles Sehen der Hochschule Kempten ist eine anwendungsorientierte, interdisziplinäre Forschungseinrichtung an der Schnittstelle zwischen Wissenschaft und Industrie. Der Schwerpunkt liegt in der Auslegung optischer Systeme, dem Computersehen und der Künstlichen Intelligenz. 

^{Fotos: Impressionen von der ICML; Bildnachweis: Tobias Windisch / Hochschule Kempten}