Intelligente Qualitätsplattform – Produktivitätssteigerung mit Datenanalyse und KI

KI-Anwendungen und Machine Learning versprechen produzierenden Unternehmen mehr Produktivität und gesteigerte Effizienz. Beispiele hierfür sind präzisere Instandhaltungs-Terminierungen (Maintenance Prediction), optimierte Produktionsprogrammplanung und zuverlässigere Qualitätskontrollen. Prototypische Anwendungen zeigen vielversprechende Ergebnisse, sind jedoch oft nicht nachhaltig in die Produktionsinfrastruktur integriert und bieten keinen langfristigen Mehrwert für die Nutzer. Prototypen lassen sich nicht skalieren und sind letztlich unwirtschaftlich.

Die Intelligente Qualitätsplattform (IQP) bündelt diese modernen Anwendungen unter einem Dach. Von der Anomalie-Detektion bis zur visuellen Qualitätskontrolle – die IQP ist eine Software-Plattform zur Nutzung, Überwachung und kontinuierlichen Optimierung industrieller Machine-Learning-Anwendungen (ML). Durch standardisierte Integration, Überwachung und parallelen Betrieb verschiedener ML-Anwendungen aus unterschiedlichen Produktionsbereichen ermöglicht die IQP eine effiziente und wirtschaftliche Nutzung. Die Plattform nutzt einheitliche Strukturen, um den Mehraufwand für die Neuerstellung bereits entwickelter Prozesse bei individuellen KI- und Datenanalyseprojekten zu minimieren.

Die Vorteile auf einen Blick:

  • Für das Management: Verschiedene ML-Einsatzmöglichkeiten auf einen Blick
  • Für die Produktion: Machine Learning verbessert die Effizienz auf dem Shopfloor
  • Für die Softwareentwicklung: Praktische Einblicke in die erfolgreiche Umsetzung von ML-Projekten

 

 

 

Anwendungen in der Industrie

Zahlreiche Anwendungsbeispiele wie die folgenden zeigen detailliert auf unserer IQP, wie Machine Learning produzierenden Unternehmen hilft, ihre wirtschaftlichen Ziele zu erreichen. Entdecken Sie praxisnahe Success Stories und erfahren Sie, wie ML auch Ihr Unternehmen voranbringen kann.

Industrieprojekt

Labormuster für die Produktion von Infrarotoptiken aus Chalkogenidglas im Wafer-Maßstab (100 mm)

Die Auftragsfertigung von passiven Kühlkomponenten auf Aluminiumnitridbasis spielt eine wichtige Rolle in der Elektronikindustrie. Diese Produktion umfasst das präzise Aufbringen von Beschichtungsmustern mittels Photolithographie sowie die anschließende Abtrennung der einzelnen Kühlkörper vom Wafer.

Während der Fertigung können verschiedene Fehler auftreten, darunter Defekte in den aufgebrachten Mustern, Randbeschädigungen an den Kühlkörpern durch Probleme beim Trennprozess und mechanische Schäden, die während der Produktion auftreten können.

Herausforderung

Die Erkennung dieser Defekte durch eine vollständige manuelle Sichtprüfung ist fehleranfällig und subjektiv, was zu einer hohen Falsch-Positiv-Rate führen kann.

Ziel

Das Ziel dieses Projekts ist die Implementierung einer automatisierten visuellen Inspektion, die mehrere entscheidende Vorteile bietet. Durch die Minimierung der Falsch-Positiv-Rate wird eine präzisere Fehlererkennung erreicht, was zu einer deutlichen Reduktion von Fehlalarmen führt.

Wirtschaftliche Auswirkungen

Durch die Optimierung der Produktionsprozesse und die zuverlässige Erkennung von Fehlern können folgende Vorteile erzielt werden:

  • Höchste Produktqualität: Vermeidung der Auslieferung fehlerhafter Produkte.
  • Effiziente Produktion: Kontinuierliche Verbesserung der Produktionsabläufe basierend auf der Analyse der erkannten Fehler.

Erfahren Sie mehr über die Ergebnisse dieses Projekts und zahlreiche andere Anwendungsfälle auf unserer Intelligent Quality Plattform. Vereinbaren Sie jetzt einen Termin und lernen Sie die IQP kennen.

Forschungsprojekt

Glasmikrolinsen und Presswerkzeuge

In diesem Anwendungsfall wird maschinelles Lernen eingesetzt, um die mittlere Dicke von Präzisionsgläsern, die durch Präzisionsglasformen (PGM) hergestellt werden, vorherzusagen. Dabei werden vorhandene Maschinendaten wie Temperatur und Druck genutzt. Ziel des entwickelten Algorithmus ist es, die Qualitätsbewertung zu automatisieren, manuelle Messungen zu reduzieren und ein Alarmsystem für Produkte einzurichten, die nicht den Spezifikationen entsprechen, um die Gesamteffizienz der Produktion zu steigern.

Herausforderung

Die Integration verschiedener Maschinendatenquellen, die Sicherstellung der Datenqualität und -konsistenz sowie die Entwicklung eines robusten Vorhersagemodells für die Mittendicke stellen die größten Herausforderungen dar. Zusätzlich ist die Auswahl relevanter Informationen aus den Maschinendaten für das Modelltraining und die Aufrechterhaltung der Modellgenauigkeit in einer dynamischen Fertigungsumgebung mit wechselnden Bedingungen essenziell.

Ziel

Das Hauptziel dieses Projekts ist die Vorhersage der mittleren Dicke von Linsen während des Präzisionsglasformungsprozesses durch maschinelles Lernen. Durch die Analyse von Echtzeit-Maschinendaten sollen präzise und zeitnahe Vorhersagen getroffen werden, die eine proaktive Qualitätskontrolle ermöglichen und die Abhängigkeit von manuellen Messungen verringern.

Wirtschaftliche Auswirkungen

Die Implementierung prädiktiver Algorithmen hat folgende wirtschaftliche Auswirkungen:

  • Kostenreduktion: Senkung der Produktionskosten durch Reduktion manueller Messungen.
  • Qualitätsverbesserung: Minimierung der Produktion von Gläsern, die nicht den Spezifikationen entsprechen.
  • Kundenzufriedenheit: Verbesserung der Kundenzufriedenheit durch gleichbleibend hochwertige Glasproduktion.

Erfahren Sie mehr über die Ergebnisse dieses Projekts und zahlreiche andere Anwendungsfälle auf unserer Intelligent Quality Plattform. Vereinbaren Sie jetzt einen Termin und lernen Sie die IQP kennen.

Erhalten Sie Einblick in das IQP

Die IQP ermöglicht produzierenden Unternehmen ihre Produktivität durch innovative Methoden der Datenanalyse und Künstlichen Intelligenz in unterschiedlichen Anwendungsfällen nachhaltig zu steigern. Durch unterschiedliche Tools können alle Aspekte des Use-Cases schnell und einfach beleuchtet werden.

Dashboard

Unter dieser Kategorie bietet das IQP eine kompakte Beschreibung des Use Cases, inklusive der damit verbundenen Herausforderungen, Ziele sowie der wirtschaftlichen Vorteile. Das Dashboard liest in Echtzeit Produktionsdaten aus und ermöglicht so einen direkten Einblick in die Qualität und Produktivität der Fertigung.

Quality Insights

Mit interaktiven Diagrammen können Sie die Qualität der Produktion und der eingesetzten Maschinen mühelos überprüfen. Funktionen wie "Individuelle Prozessanalyse" und "Maschinenparameteroptimierung" stehen Ihnen zur Verfügung. Zusätzliche Funktionalitäten bieten einen detaillierten Einblick in die Produktionsprozesse.

Pipeline Management

Die Applikationen sind nach ihrer Funktionalität im Anwendungsfall in einer übersichtlichen Prozessstruktur kategorisiert. So stellen wir sicher, dass die benötigten Daten für den jeweiligen ML-Prozess schnell und effizient gefunden werden können. Jede App bietet zudem detaillierte Einblicke in den jeweiligen Prozess.

IT Resources

Alle genutzten IT-Ressourcen auf einen Blick: Übersichtlich nach CPU, Speicher und Festplatte sortiert, erhalten IQP-Nutzer alle notwendigen Informationen über den Auslastungsstatus ihrer IT-Ressourcen.