Machine Learning in Production – Potentials, Challenges and Exemplary Applications

In-situ identification of material batches using machine learning for machining operations

“…For the data analysis, ML methods are investigated. ML has become a common tool for analyzing industrial data, with many existing use cases in production and especially machining (Mayr et al 2019). In machining, ML is used for applications such as predictive maintenance, quality prediction, process monitoring, or parameter optimization (Kibkalt et al 2018;Yao et al 2019).…”

Design and Establishment of a Learning Factory at the FMENA Zagreb

“…A review of the literature and the result of statistical analysis shows that machine learning is poorly represented within existing learning factories, while trends show that it will be an integral part of most industries in the future [14]. In addition to the low representation of machine learning within learning factories, there is a need to create new frameworks and systematize guidelines for the development of machine learning models to facilitate and enable their application in production [15,16]. To increase the representation of machine learning within learning factories and to enable research aimed at creating frameworks and guidelines for the development and application of machine learning models, it is necessary to implement it within the new learning factory.…”

Deep Learning aplicado a inspeção visual da presença de um componente de conjunto de eixo

“…Os métodos para o ML podem ser divididos em quatro categorias: aprendizado não supervisionado, aprendizado semi-supervisionado, aprendizado supervisionado e aprendizado por reforço [28] [7]. No aprendizado supervisionado, o modelo de ML é treinado em uma base de dados que consiste em pares de entradas e saídas, chamadas de características e rótulos, respectivamente [13]. Nesse formato, geralmente os dados de treinamento assumem a forma de uma coleção de pares (x, y) e o objetivo é produzir uma previsão y em resposta a uma consulta x [8].…”

“…Fig. 1: Deep Learning no contexto da Inteligência Artificial, adaptado de [9] [11] Na indústria, uma das utilizações de ML (e de DL) que mostra grande potencial é o monitoramento da qualidade dos produtos, onde a técnica pode ser associada a sistemas de visão para o reconhecimento de padrões [12] [13]. Alguns exemplos desse tipo de aplicação são: um método proposto para detecção automática da presença de componentes em placas de circuito impresso e bombas de injeção utilizando a rede neural Multi-Layer Perceptron (MLP) [14]; método para detecção de componentes (o'ring) utilizando o classificador Gaussian Mixture Models (GMM) [3]; detecção de grampos de fixação em uma peça estampada utilizando um classificador neuro-fuzzy e um classificador baseado em limites [15]; e detecção de componentes de transformadores elétricos utilizando um modelo baseado em Faster Regionbased Convolutional Neural Network [16].…”