Die ECMS zählt zu den etablierten internationalen Konferenzen im Bereich der Modellierung und Simulation. In diesem Jahr kamen mehr als 280 Forschende zusammen und präsentierten 104 wissenschaftliche Beiträge zu Themen wie Künstliche Intelligenz, Digitale Zwillinge, Robotik und datengetriebenen Systemen. Das IFW war mit dem Beitrag “Transfer Learning of Form Deviation between two different Milling Machine Manufacturers” in der Session Simulation and Modelling based on AI, ML and Agent Techniques (SIMAI) vertreten. 

Im vorgestellten Paper wird untersucht, wie Machine-Learning-Modelle zwischen Werkzeugmaschinen unterschiedlicher Hersteller übertragen werden können. Ziel ist die zuverlässige Prognose der Formabweichung eines Werkstücks nach dem Wechsel auf eine neue Maschine. Die Übertragung soll mit einer möglichst geringen Menge neu gelabelter Daten durchgeführt werden. Durch die Kombination aus Transfer Learning und Active Learning wird bereits vorhandenes Prozesswissen für das Training genutzt, sodass für die Adaption an eine neue Maschine deutlich weniger Messdaten erforderlich sind. 

Die Ergebnisse zeigen, dass sich die erforderliche Datenbasis für neue Modelle im Vergleich zu konventionellen Ansätzen erheblich reduzieren lässt, während die Prognosequalität durch die Nutzung bereits erlernter Strukturen stabilisiert und verbessert wird. Damit stellt die Kombination aus Transfer Learning und Active Learning einen vielversprechenden Ansatz für die dateneffiziente Übertragung von Prognosemodellen in der Fertigung dar. 

Neben der Präsentation des eigenen Forschungsbeitrags bot die Konferenz vielfältige Möglichkeiten zum wissenschaftlichen Austausch. Ergänzend zu den Fachvorträgen gab es Präsentationen studentischer Forschungsarbeiten. Darüber hinaus hatten die Teilnehmenden Gelegenheit zu einem Rundgang durch das Mechatronik Labor der University of Agder.