Steigerung der Energieeffizienz für eine nachhaltige Entwicklung in der Produktion: Die Rolle des maschinellen Lernens im ecoKI-Projekt
Research output: Contribution to book/Conference proceedings/Anthology/Report › Conference contribution › Contributed
Contributors
Abstract
Mit dem Aufblühen der Industrie 4.0 lässt sich der Energieverbrauch in der Produktion durch den Ein-satz von fortschrittlichen Technologien wie ML massiv optimieren. Beim Erkennen der Muster in gro-ßen Datenmengen, die in der Produktion generiert werden, kann man die Potenziale von ML ausschöp-fen. Es stellt sich heraus, dass bestimmte Datenmuster dazu beitragen den Energieverbrauch vorherzu-sagen und den damit verbundenen Ressourcenverbrauch sowie Kosten einzusparen. Aufgrund mangeln-der Expertise fällt es KMU jedoch schwer, auf ML-Methoden zurückzugreifen, um sich Energiepoten-ziale vollständig zunutze zu machen. In diesem Zusammenhang hat das Forschungsprojekt ecoKI das Ziel, ML-Methoden für KUM leichter zugänglich zu machen, indem es gängige ML-Methoden in die einzelnen wiederverwendbaren Bausteine (BB) integriert und sie über eine Plattform zur Verfügung stellt, die sich ohne ML-Vorkenntnisse und nutzerfreundlic h verwenden lässt. Die Bausteine sind viel-fältig und decken somit fast jeden einzelnen Schritt von ML ab, von der Datenvorverarbeitung, über die Erkennung verschiedener Muster und Trends im Energieverbrauch bis hin zur Ermittlung und Evalua-tion der Zuverlässigkeit der Ergebnisse und potenzieller Energieeinsparungen. Neben der allgemeinen Vorstellung der ecoKI-Plattform wird in diesem Beitrag anhand eines konkreten Use Case aufgezeigt, wie die ecoKI-Plattform KUM bei der Nutzung der ML-Methoden zur Steigerung der Energieeffizienz unterstützen kann.
Translated title of the contribution | Increasing energy efficiency for sustainable development in production: the role of machine learning in the ecoKI project |
---|
Details
Original language | German |
---|---|
Title of host publication | Automation 2024 |
Publisher | VDI Verlag, Düsseldorf |
Pages | 825-840 |
Edition | 1 |
ISBN (electronic) | 978-3-18-102437-9 |
ISBN (print) | 978-3-18-092437-3 |
Publication status | Published - 2 Jul 2024 |
Peer-reviewed | No |
Publication series
Series | VDI-Berichte |
---|---|
Volume | 2437 |
ISSN | 0083-5560 |
External IDs
ORCID | /0009-0007-3852-372X/work/163292547 |
---|---|
ORCID | /0000-0003-3753-3778/work/163293482 |
ORCID | /0000-0003-3954-7786/work/163294511 |
ORCID | /0000-0001-5165-4459/work/163294886 |
ORCID | /0009-0008-7719-8293/work/163294946 |
ORCID | /0000-0003-3368-4130/work/163295227 |