Das Beschneiden von großformatigen Papierbögen aus Druckereien erfordert einen geeigneten Beschneider, der auf Grund seiner Erfahrung eine effektive und ressourcenschonende Schnittfolge gewährleistet. Ziel dieser Arbeit ist es, die Möglichkeiten zur Ermittlung eines sinnvollen Schnittes, abhängig von der jeweiligen Situation, zu untersuchen, die eine künstliche Intelligenz (KI) auf Basis eines neuronalen Netzes (NN) bietet. Außerdem soll das Schnittgut mit allen Nutzen und möglichen Schnitten visualisiert werden. Die Visualisierung und Bedienung der Benutzeroberfläche ist intuitiv zu gestalten, um das Arbeiten an der PSM auch ungelernten Kräften zu ermöglichen. Unter Umständen besteht die Chance, einen kundigen Beschneider durch einen weniger versierten Bediener zu ersetzen.
Die Abschlussarbeit wird von MCS MICRONIC Computer Systeme GmbH begleitet, da potentielles Interesse am zukünftigen Einsatz und der Vermarktung des erarbeiteten Prototyps besteht.
Die vorliegende Diplomarbeit mit dem Titel „Entwurf und prototypische Realisierung einer künstlichen Intelligenz zur Steuerung einer Papierschneidemaschine“ untersucht, inwieweit sich eine KI auf Grundlage eines NN zur Generierung von sinnvollen Schnittvorschlägen bei einer Software für PSM eignet.
Dazu werden zunächst die Grundlagen in den Bereichen KI und NN erarbeitet, anschließend die Kriterien für den zu entwickelnden Prototyp aufgezeigt und die Aufgaben genauer spezifiziert. Danach folgt eine Beschreibung der Entwurfsphase. Erläuterungen der einzelnen Programmteile und –abläufe führen schließlich zu umfangreichen Tests über die Korrektheit, Leistungsfähigkeit und dem Innovationspotential der KI sowie der Qualität der Benutzeroberfläche. Abschließend werden die erarbeiteten Ergebnisse zusammengefasst, um mögliche Ausblicke für die Weiterentwicklung zu geben.
Inhaltsverzeichnis
1. Einleitung
2. Grundlagen
2.1 Einführung künstliche Intelligenz
2.2 Künstliche neuronale Netze
2.2.1 Einführung
2.2.2 Natürliche und künstliche Neuronen
2.2.3 Aufbau neuronaler Netze
2.2.4 Eigenschaften neuronaler Netze
2.2.5 Netzarchitekturen
2.2.6 Lernen
2.2.7 Netzgrößen und Generalisierungsfähigkeit
2.2.8 Schematischer Überblick über neuronale Netze
3. Analyse
3.1 Ausgangssituation und Problembeschreibung
3.2 Papierschneidemaschinen in der Praxis
3.2.1 Schneiden mit Schnellschneidern oder Planschneidern
3.2.2 Profil der beteiligten Firmen Perfecta und MCS
3.2.3 Schnellschneider der Firma Perfecta
3.3 Dateiformate und –standards
3.3.1 JDF, CIP3 und CIP4
3.3.2 Schnittprogramme
3.3.3 SNNS Netzdateien und Trainingsmusterdateien
4. Anforderungsdefinition
4.1 Zielsetzung der Arbeit und Eingrenzung des Themas
4.2 Pflichtenheft
5. Design
5.1 Benutzerführung
5.2 Model View Controller
5.3 Prototyping
5.4 Unified Modeling Language
6. Implementierung
6.1 Das Entwicklungsumfeld
6.1.1 Stuttgarter Neuronale Netz Simulator
6.1.2 Entwicklungsumgebung Microsoft .net
6.2 Strukturierung und Workflow des Prototyps
6.2.1 Look ’n Feel und Workflow der GUI
6.2.2 Workflow der Core
6.2.3 Künstliche Intelligenz des Prototyps
6.2.4 Kommunikation des Programms mit dem Netz
6.3 Beschreibung besonderer Codefragmente
7. Untersuchungen
7.1 Erfüllung der Randbedingungen
7.1.1 Kontrolle: Benutzerfreundlichkeit der GUI
7.1.2 Kontrolle: Ausgabewerte des NN im Vergleich zum SNNS
7.1.3 Kontrolle: Koordinatenunabhängigkeit des Prototyps
7.1.4 Kontrolle: Wiedergabe einer erlernten Schnittabfolge
7.1.5 Kontrolle: Wiedergabe zweier erlernter Schnittabfolgen
7.1.6 Kontrolle: Wiedergabe fünf erlernter Schnittabfolgen
7.2 Denkbares Innovationspotential des Prototyps
7.2.1 Untersuchung: Übertragbarkeit von Wissen auf andere Konstellationen I
7.2.2 Untersuchung: Übertragbarkeit von Wissen auf andere Konstellationen II
7.2.3 Untersuchung: notwendige Größe der Zwischenschicht
7.2.4 Untersuchung: Wiederholung 7.2.2 mit Zwischenschichtgröße aus 7.2.3
7.2.5 Untersuchung: Übertragbarkeit von Wissen auf andere Konstellationen III
7.2.6 Untersuchung: Aussagekraft 7.2.5
8. Ergebnis und Zusammenfassung
8.1 Zusammenfassung
8.2 Bewertung und Fazit
8.3 Software anderer Hersteller im Vergleich zum Prototyp
8.4 Ausblick und Ideen
Zielsetzung & Themen
Die Diplomarbeit hat zum Ziel, einen prototypischen Ansatz für eine Software zu entwickeln, die Papierschneidemaschinen steuert, indem sie KI-gestützte Schnittvorschläge auf Basis neuronaler Netze erstellt, um Arbeitsprozesse effizienter zu gestalten und die Bedienung zu vereinfachen.
- Entwicklung eines KI-Prototyps zur Schnittoptimierung
- Visualisierung von Nutzen und Schnittgut auf Basis von CIP3-Daten
- Einsatz von neuronalen Netzen zur automatisierten Entscheidungsfindung
- Benutzerführung mit Fokus auf intuitiver Bedienbarkeit für ungelernte Kräfte
- Architekturkonzept basierend auf dem Model View Controller (MVC) Modell
Auszug aus dem Buch
6.2.3 Künstliche Intelligenz des Prototyps
Die KI des Prototyps wird durch ein NN repräsentiert, welches seine Eingaben in Form von relativen Koordinaten der CutBlocks durch die Core erhält. Diese relativen Koordinaten der Nutzen, die obere linke und die untere rechte Ecke, werden binär an das NN gegeben. Werden binäre Koordinaten bis zum Wert 31 gefordert, ergeben sich 5 Bit pro Koordinate. Bei 2 Eckpunkten mit je einer X und Y Koordinate sind somit pro Nutzen 20 Eingabeneuronen erforderlich, was bei maximal 25 berechenbaren Nutzen 500 Eingabeneuronen ergibt. Zusätzlich werden zwei extra Bits herangezogen, die die Verschnittsituation am unteren und rechten Blattrand klären (siehe Absatz „Problematik gleicher TM mit unterschiedlichem Ergebnis“).
Wie in Abb. 24 dargestellt, besteht das in dieser DA verwendete NN aus einer Eingabe-, einer Ausgabe- und einer Zwischenschicht, ist vorwärts verkettet und verfügt daher über keine Rückkopplung.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung beschreibt den Bedarf an einer optimierten Steuerung für Papierschneidemaschinen und das Ziel der Arbeit, eine KI-basierte Lösung zu entwerfen.
2. Grundlagen: Hier werden die wissenschaftlichen theoretischen Fundamente der künstlichen Intelligenz sowie der Aufbau und die Funktionsweise neuronaler Netze erläutert.
3. Analyse: Dieses Kapitel analysiert die Ist-Situation in Druckereien, die verwendete Maschinentechnik der Firma Perfecta und die relevanten Datenformate.
4. Anforderungsdefinition: Hier werden die Anforderungen an den zu entwickelnden Prototyp sowie das Pflichtenheft mit Muss- und Wunschkriterien spezifiziert.
5. Design: Dieses Kapitel beschreibt das entworfene GUI-Konzept, die Architektur nach dem MVC-Modell und den Einsatz der Unified Modeling Language.
6. Implementierung: Hier wird das Entwicklungsumfeld, der Workflow der Anwendung und die spezifische Umsetzung der KI im Prototyp dokumentiert.
7. Untersuchungen: Dieses Kapitel umfasst die Testreihen zur Validierung der Netzwerte, der Benutzerfreundlichkeit und der Generalisierungsfähigkeit des Prototyps.
8. Ergebnis und Zusammenfassung: Abschließend werden die Ergebnisse bewertet, ein Fazit gezogen und Ausblicke für eine mögliche Weiterentwicklung gegeben.
Schlüsselwörter
Papierschneidemaschine, Künstliche Intelligenz, Neuronale Netze, Schnittoptimierung, CIP3, Software-Prototyping, Model View Controller, Benutzerschnittstelle, Backpropagation, Schnittvorschlag, Trainingsmuster, Automatisierung, Druckindustrie, Steuerungstechnik, Klassifizierung.
Häufig gestellte Fragen
Worum geht es in dieser Diplomarbeit grundlegend?
Es geht um die Entwicklung eines Software-Prototyps für Papierschneidemaschinen, der mithilfe einer künstlichen Intelligenz selbstständig sinnvolle Schnittfolgen vorschlägt.
Welche zentralen Themenfelder werden bearbeitet?
Die Arbeit behandelt die Bereiche künstliche Intelligenz und neuronale Netze, angewandt auf die industrielle Praxis der Papierschneidetechnik und Prozessautomatisierung.
Was ist das primäre Ziel der Forschung?
Das Ziel ist es, durch eine KI-gestützte Steuerung die Effizienz bei Schneidevorgängen zu steigern und die Bedienung der Maschine so intuitiv zu gestalten, dass auch ungelernte Kräfte optimale Ergebnisse erzielen können.
Welche wissenschaftliche Methode kommt zum Einsatz?
Es werden künstliche neuronale Netze eingesetzt, die mittels Backpropagation-Verfahren auf Trainingsmustern angelernt werden, um Schnittvorschläge zu generieren.
Was ist Gegenstand des Hauptteils?
Im Hauptteil werden die Analyse der Ausgangssituation, das Pflichtenheft, das Design der Software-Architektur (MVC) sowie die Implementierung des Prototyps ausführlich beschrieben.
Durch welche Schlüsselwörter lässt sich die Arbeit charakterisieren?
Wichtige Begriffe sind Papierschneidemaschine, KI-Steuerung, Neuronale Netze, Schnittoptimierung und CIP3-Datenintegration.
Warum wird das "Model View Controller" (MVC) Modell verwendet?
MVC wird eingesetzt, um die Software modular, wiederverwendbar und wartungsfreundlich zu gestalten, indem die Programmlogik von der grafischen Benutzeroberfläche und der KI-Logik getrennt wird.
Wie geht das System mit bisher unbekannten Schneidesituationen um?
Der Prototyp kann manuell vom Benutzer korrigierte Schnitte als neue Trainingsmuster speichern, die dann in einem nächsten Trainingsdurchgang genutzt werden, um das System zu verbessern.
Welche Rolle spielt die "Generalisierungsfähigkeit" in den Untersuchungen?
Die Untersuchung der Generalisierungsfähigkeit prüft, ob das neuronale Netz in der Lage ist, erlerntes Wissen auf neue, ähnliche Schneidesituationen zu übertragen, was sich im Prototyp als Herausforderung darstellte.
- Quote paper
- Dipl. Inf. (FH) Bastian Schindler (Author), 2005, Entwurf und prototypische Realisierung einer künstlichen Intelligenz zur Steuerung einer Papierschneidemaschine, Munich, GRIN Verlag, https://www.grin.com/document/54313
