5. Entwicklung und Industrialisierung maschineller Lernverfahren

In diesem Kapitel wird eine Methode zur Gewährleistung der Industrialisierbarkeit maschineller Lernverfahren in Fertigungsanlagen beschrieben. Zunächst werden die notwendigen Anforderungen an ML-Systeme in den jeweiligen Entwicklungsschritten definiert und die Auswirkungen unzureichender Erfüllung qualitativ erläutert. Zur Bestimmung des Erfüllungsgrades der definierten notwendigen Bedingungen wird die Methode der Unsicherheitsquantifizierung bei ML-Verfahren angewendet. Durch deduktiven Schluss werden Hypothesen abgeleitet, welche die notwendigen Bedingungen für die Industrialisierung des ML-Systems auf Basis der Quantifizierung von Unsicherheiten darstellen. Die Methode ermöglicht erstmals eine auf grundlegender, mathematisch-physikalischer Theorie basierende Aussage über die Industrialisierbarkeit eines ML-Systems in der frühen Entwicklungsphase. Zudem wird eine Kombination aus Kompetenz- und Analysemodellen vorgestellt, die die Robustheit und Erklärbarkeit von ML-Systemen sicherstellt. Die Anwendung von Transfer Learning und erklärbaren maschinellen Lernverfahren wird ebenfalls erläutert, um die Effizienz und Skalierbarkeit der entwickelten ML-Systeme zu erhöhen. Das Kapitel zeigt, wie durch die Einbindung von interdisziplinärem Fachwissen und die Quantifizierung von Unsicherheiten die Industrialisierbarkeit von ML-Systemen in der Fertigungstechnik gewährleistet werden kann.