Künstliche Intelligenz optimiert Prozesse in Industrieunternehmen

Der Einsatz von maschinellem Lernen macht es möglich: Aus Daten wird Wissen gewonnen und auf allen Stufen der Unternehmensprozesse eingebracht, um Mehrwerte zu generieren. Auf diese Weise können zum Beispiel Designprozesse verbessert, Produktschwachstellen identifiziert und Entwicklungen beschleunigt werden. Ziel des Projekts Maschinelles Lernen für die Produktion und deren Produkte (ML4Pro2) ist es, Unternehmen maschinelles Lernen für intelligente Produkte und Produktionsverfahren zugänglich zu machen.

Gemeinsam mit einem starken Konsortium aus Industriepartnern arbeitet das Fraunhofer IEM in dem Projekt daran, bereits bestehende Prozesse und Arbeitsschritte durch maschinelle Lernverfahren zu optimieren. Anhand von mehreren Anwendungsfällen wird das Potenzial für Industrieunternehmen ausgewertet. Das Fraunhofer IEM arbeitet mit Benteler sowie Hesse Mechatronics in den Bereichen Predictive Quality, Prozessoptimierung und hybride Lernverfahren zusammen und entwickelt intelligente Assistenzsysteme für Produktionsanlagen.

Ein solches System unterstützt Hesse Mechatronics und seine Kunden beim prozessspezifischen Einrichten ihrer Maschinen. Die intelligente Ermittlung von Prozessparametern durch maschinelles Lernen soll diesen Prozess der Inbetriebnahme verkürzen und helfen, unbekannte Fehlerquellen zu entdecken. 

Predictive Quality, die kontinuierliche Überwachung der Produktqualität durch datenbasierte Voraussagen, steht im Mittelpunkt der Zusammenarbeit mit Benteler. Durch die Aufnahme und Auswertung von Produktionsinformationen werden Muster in den Daten erkannt und untersucht, auf deren Grundlage sich Vorhersagen zur Produktqualität ableiten lassen. Auf diese Weise sollen der Ausschuss minimiert, die Prozesssicherheit gesteigert und Rückholaktionen vermieden werden.