1. 1 | 08.12.2020 | Machine Learning für Qualitätskontrolle
Marius Palass
Künstliche Intelligenz in der Werkhalle
Consultant Digitalisierung & IoT
Machine Learning für Qualitätskontrolle
Trebing + Himstedt

2. 2 | 08.12.2020 | Machine Learning für Qualitätskontrolle
Warum Künstliche Intelligenz nutzen?
Wie funktioniert Machine Learning?
Wie funktioniert Machine Learning in für die
Qualitätskontrolle ihrer Produkte?
Integration einer KI in den Fertigungsprozess
Agenda

3. 3 | 08.12.2020 |
Erkennen Sie den Unterschied?
Machine Learning für Qualitätskontrolle

4. 4 | 08.12.2020 |
Erkennen sie den Unterschied?
Machine Learning für Qualitätskontrolle
https://www.chatkk.com/online-games/spot-the-difference/play-hard.php

5. 5 | 08.12.2020 |
Ist das Produkt gut oder schlecht?
Machine Learning für Qualitätskontrolle

6. 6 | 08.12.2020 | Machine Learning für Qualitätskontrolle
Künstliche Intelligenz im
Manufacturing
Potenziale heben
Machine Learning verstehen
Typisches Vorgehen eines KI-Projektes

7. 7 | 08.12.2020 |
Daten verstehen und Modelle Trainieren
Standardmethoden der Industrie
Daten
verstehen
Datenset
präparieren
Model
auswählen
Trainieren und
Scoren
Modell
deployen DATA
2
3
45
6
Use Case
verstehen1
BUSINESS
CONSULTING
CRISP-DM Ansatz
Der über verschiedene Industrien
verbreitete Data Mining Ansatz
CRISP-DM, ist ein offenes Standard
Prozess Modell, das allgemeine
Ansätze von Data Mining Experten
beschreibt. Es ist das am meisten
verwendete Data Analytics Modell.
Machine Learning für QualitätskontrolleMachine Learning für Qualitätskontrolle

8. 9 | 08.12.2020 | Machine Learning für Qualitätskontrolle
Gutes vs. schlechtes Produkt
Mit Hilfe von KI einen End-of-Line Test optimieren
Ein Beispiel

9. 10 | 08.12.2020 |
KI als Unterstützung der End-of-Line Prüfung
Machine Learning für Qualitätskontrolle
D I G I T A L M A N U F A C T U R I N G
LIEFERANT
MASCHINEN
HERSTELLER
P R O D U K T - L E B E N S Z Y K L U S

10. 11 | 08.12.2020 |
KI als Unterstützung der End-of-Line Prüfung
Machine Learning für Qualitätskontrolle
D I G I T A L M A N U F A C T U R I N G
LIEFERANT
MASCHINEN
HERSTELLER
P R O D U K T - L E B E N S Z Y K L U S
Phase 1:
Bewertung durch den Werker
Phase 2:
KI gibt Empfehlung – Prüfer trifft
Entscheidung
Phase 3:
KI inkludiert Parameter, die Werker
nicht einbeziehen kann

11. 12 | 08.12.2020 |
Beispiel: Motor im End-of-Line-Test
Machine Learning für Qualitätskontrolle
Parameter für die Analyse
Vibration
Sound
Elektrische Spannung
Wärme

12. 13 | 08.12.2020 |
Überwachtes und unüberwachtes Machine Learning
Überwachtes LERNENUnüberwachtes LERNEN
INPUT Parameter Time Series
OUTPUT Anomaly Score
ANOMALY
DETECTION
MODELS
CUSTOM
…
ONE-CLASS SUPPORT VECTOR MACHINE
MULTIVARIANT AUTOREGRESSION
INTERQUARTILE RANGE TEST
INPUT Param.Time Series
OUTPUT Probability of Failure
PREDICTION
MODELS
CUSTOM
TREE ENSEMBLE LEARNING
LOGISTIC REGRESSION
WEIBULL LIFETIME ANALYSIS
Labels
…
Machine Learning für QualitätskontrolleMachine Learning für Qualitätskontrolle

13. 14 | 08.12.2020 |
Lösungsaufbau
Machine Learning für Qualitätskontrolle
L4
L2
PLC
L0-L1
Sensoren und
Prüfstand
L3
S1 S2 Sn
Business
Applications
Shopfloor
SAP Manufacturing Execution Suite
SAP ME
SAP MII
SAP PCo
SAP Cloud Platform
Predictive Quality
Core App
SAP Digital Core
ECC
Predictive Quality
Edge App

14. 15 | 08.12.2020 |
START in die digitale Fertigung & datengetriebene Services
Sechs-Phasen-Modell
Machine Learning für Qualitätskontrolle

15. 16 | 08.12.2020 |
Jetzt Live-Demo anfordern
Machine Learning für Qualitätskontrolle
KI in Action mit SAP Cloud Platform
https://go.t-h.de/live-demo

16. 17 | 08.12.2020 |
Vielen Dank
www.t-h.de/
Tel.:
E-Mail:
Machine Learning für Qualitätskontrolle
Marius Palass
Consultant Digitalisierung & IoT
+49 172 7400 904
mpalass@t-h.de
start-digital