Maschinelles Lernen (ML) kann die Analyse von Produktionsdaten erleichtern. Strenge rechtliche und ethische Anforderungen zum Schutz der Privatsphäre können jedoch verhindern, dass Modelle ihr volles Potenzial ausschöpfen. So kann es Unternehmen aufgrund von Vorschriften untersagt sein, ihre Daten zusammenzulegen, was häufig zu einem besseren Modell führt.
In jüngster Zeit hat sich das föderierte Lernen (FL) als eine Alternative herauskristallisiert, die es Dateninhabern ermöglicht, ein gemeinsames Modell zu trainieren, ohne ihre Daten physisch zu teilen. Stattdessen trainieren die Teilnehmer eine lokale Kopie eines Modells mit unternehmenseigenen Daten und tauschen die daraus resultierenden Parameteraktualisierungen iterativ aus, in der Regel über eine zentralisierte Einrichtung. Wir haben ein solches föderiertes Lernsystem für die intelligente industrielle Produktion implementiert, und laden Sie ein, die Vorteile dieses relativ jungen Ansatzes zu erkunden.
Kontaktanfrage