Mängeln durch gute Prognosen entgegensteuern
Wie kann Künstliche Intelligenz dabei helfen, Qualitätsabweichungen im Produktionsprozess frühzeitig erkennbar zu machen? Mit Machine-Learning-Methoden und der Verknüpfung von Maschinen- und Qualitätssicherungsdaten ist es möglich
Wo entstehen Qualitätsabweichungen im Produktionsprozess?
Für dieses Projekt haben wir den Produktionsprozess eines Unternehmens betrachtet, in dem große Mengen an Maschinendaten anfallen, die in einem Softwaresystem gespeichert werden. Die Ergebnisse der Qualitätssicherung werden jedoch getrennt davon erfasst. Eine direkte Verbindung zwischen dem Produktionsprozess und den späteren Qualitätsprüfungen besteht bislang nicht.
Das führt dazu, dass Qualitätsmängel erst in der Qualitätssicherung auffallen – oft bis zu einer Stunde nachdem der eigentliche Fehler im Prozess entstanden ist. In dieser Zeit wird weiter fehlerhaft produziert, was Ausschuss und Nacharbeit verursacht.
Um dies zu verbessern, besteht die zentrale Herausforderung darin, herauszufinden, welche Prozesseinstellungen für Qualitätsabweichungen verantwortlich sind. Mithilfe von KI-Modellen sollen diese Zusammenhänge erkannt werden, damit das Unternehmen frühzeitig reagieren und Fehler möglichst vermeiden kann.
KI-Modell kann Abhilfe schaffen
Ziel des Projekts ist es, Produktionsdaten systematisch auszuwerten und ein prototypisches KI-Modell zu entwickeln, das Qualitätsmängel frühzeitig vorhersagen kann.
Konkret sollen unter anderem folgende Fragen beantwortet werden:
- Welche Prozesseinstellungen haben einen besonders starken Einfluss auf bestimmte Qualitätsmängel?
- Ab welchen Grenzwerten der Daten ist mit einer mangelhaften Qualität zu rechnen?
- Lässt sich mithilfe eines KI-Modells eine verlässliche Prognose der Qualität treffen?
Das prototypische KI-Modell kann als Grundlage für ein Frühwarnsystem dienen. So lassen sich Prozessstellgrößen proaktiv anpassen, bevor Fehler entstehen – und Ausschuss sowie Nacharbeit reduzieren.
Umsetzung mit Unternehmensdaten
Im Projekt führen wir vorhandene Maschinendaten mit den Ergebnissen der Qualitätskontrolle zusammen und bereiten sie zu einer einheitlichen Datenbasis auf. Auf dieser Grundlage werden statistische Auswertungen und Machine-Learning-Methoden eingesetzt, um relevante Zusammenhänge zwischen Prozesseinstellungen und Qualitätsmerkmalen zu erkennen.
Darauf aufbauend wird dann das KI-Modell entwickelt, das Qualitätsabweichungen bereits während der laufenden Produktion prognostizieren kann. Das Projekt zeigt anschaulich, wie bestehende digitale Produktionssysteme mithilfe von KI weiterentwickelt und für eine vorausschauende Qualitätssicherung genutzt werden können.
Ihr DAISEC Kontakt
Falls Sie Fragen haben oder mehr darüber erfahren möchten, wie eine KI-Strategie Ihrem Unternehmen oder Ihrer Einrichtung helfen kann, dann kontaktieren Sie uns gern.
Expertin für KI-Technologien in der Fertigung
