Data Science Meetup Paderborn: Industrial Analytics

Datum
15.08.2019 - 19:00 - 21:00 Uhr

Veranstaltungsort
Fraunhofer Institut für Mechatronik
Paderborn
Zukunftsmeile 1
Deutschland URL
Anmeldung über diesen Link

Kategorien

• Meetup

Termin: Outlook: iCal

Industrial Analytics:
Wie bringt man AI und Data Science in die Produktion/Fertigung?
How to bring AI and Data Science into production?

In Meetup #6 geht es um den praktischen Einsatz von AI und Data Science in der Industrie. Wir freuen uns sehr Meetup #6 zusammen mit dem Fraunhofer Institut für Entwurfstechnik Mechatronik (IEM) in Paderborn zu veranstalten.

Hier zum Meetup anmelden

Meetup #6 is about the practical use of AI and data science in industry. We are very pleased to host Meetup #6 together with the Fraunhofer Institute for Mechatronic Systems Design (IEM) in Paderborn.

Location:
Das IdeenTriebwerk am Fraunhofer IEM – hier ist Andersdenken ausdrücklich erwünscht. Fernab von Tagesgeschäft und Bedenkenträgern hat jede Idee ihren Platz und kann mit geringem Aufwand ausprobiert werden. Dabei werden agile Arbeitsweisen und Kreativitätstechniken angewendet und neue Formen der Zusammenarbeit gelebt.

Program:
Talk 1: Industrial Data Science – Erfolgsfaktoren für Analytics im Industrieeinsatz
Dr.-Ing. Sebastian von Enzberg, Fraunhofer IEM

Predictive Maintenance, Smart Quality, datengetriebene Prozessoptimierung – Use Cases für Data Science in der fertigenden Industrie gibt es zahlreich. Doch auch heute wissen die meisten Unternehmen nicht, wie die erfolgreiche Integration von Industrial Analytics in ihre Prozesse aussieht. Der Vortrag fasst Erfahrungen aus zahlreichen Industrie- und Forschungsprojekten zusammen und leitet wichtige Forschungsfragen ab, die sich für Data Scientists ergeben.
Sebastian von Enzberg ist Gruppenleiter Produktionsmanagement am Fraunhofer IEM mit dem Forschungsschwerpunkt Industrial Data Science. In seiner Promotion an der Universität Magdeburg beschäftigte er sich mit Maschinellem Lernen und Signalverarbeitung für Geometrie- und 3D-Oberflächendaten.

Talk 2: Entwicklung und Validierung eines datengetriebenen Condition Monitoring Systems basierend auf akustischen Messungen
Arthur Wegel, Fraunhofer IEM

Der Vortrag fasst die Ergebnisse der Masterarbeit zusammen, deren Fokus auf der Entwicklung eines robusten Condition Monitoring Systems liegt. Hierzu wurden mehrere Kombinationen von Verfahren der Datenvorverarbeitung und -analyse bei variierenden Umgebungsbedingungen untersucht.
Arthur Wegel ist ein Absolvent des Studiengangs Maschinenbau mit der Vertiefungsrichtung Ingenieurinformatik an der Universität Paderborn. Zugleich ist er als wissenschaftliche Hilfskraft am Fraunhofer Institut für Entwurfstechnik Mechatronik IEM in der Abteilung Produktentstehung tätig.

Talk 3: Running the factory: Bringing Deep Reinforcement Learning into production
Dr. Christian Albers, Fabian Witter, pmOne Analytics

For manufacturing companies, high product quality is crucial which critically depends on many environmental influences and process parameters. Control of process parameters relies on human expertise but even experienced machine operators often fail to reach optimal conditions in practice. In this context, we apply Batch-Constrained Q-learning (BCQ) to convert recorded production processes into a parameter recommender for production optimization. BCQ is a Deep Reinforcement Learning algorithm which does not require a simulation of the environment, but only past information. Hence, BCQ is much more applicable in real life situations than classical Reinforcement Learning approaches.

Christian Albers obtained his PhD in physics in 2015 at the University of Bremen on the subject of biologically realistic learning in neuronal networks. After that, he went to work as a Data Scientist at the Omnicom Media Group in Hamburg before joining pmOne Analytics in Paderborn in January 2019.
Fabian Witter is a master’s student in Computer Science at Paderborn University with focus on Data Science. He joined pmOne Analytics in 2016 as a working student and developed a library for anomaly detection in time series. Currently, he is writing his master’s thesis on the topic of production line parameter optimization.