SlideShare ist ein Scribd-Unternehmen logo
1 von 21
Downloaden Sie, um offline zu lesen
www.t-h.de
info@t-h.de
KI-Anwendungen in Produktion und
Qualitätssicherung am Beispiel einer
End-of-Line-Prüfung
Markus Schäfer
Head of Discovery & Innovation
4
Was kann Künstliche Intelligenz leisten?
30/11/22
• Flexibilität & Transferleistung
• Empathie & Kreativität
• beliebige Aspekte einbeziehen
• Fach- / Kontextwissen
Lösung hängt von
Fähigkeiten ab.
Menschliche Intelligenz
5
Was kann Künstliche Intelligenz leisten?
30/11/22
[1]
6
Was kann Künstliche Intelligenz leisten?
30/11/22
• Flexibilität & Transferleistung
• Empathie & Kreativität
• beliebige Aspekte einbeziehen
• Fach- / Kontextwissen
Lösung hängt von
Fachkenntnis ab.
Menschliche Intelligenz Maschinelle Intelligenz
• Muster in Daten erkennen
• Wahrscheinlichkeiten berechnen
• Konsistenz
• schnell & effizient
Lösung hängt von
Daten(qualität) ab.
Lösung wird für ein konkretes Anwendungsproblem gefunden!
7
Was kann Künstliche Intelligenz leisten?
30/11/22
• Löst Probleme, die wir bereits
verstanden haben und die man
mathematisch beschrieben kann.
Regelbasierte Programmierung
• KI löst Probleme, für die es genug Daten
gibt, um das Problem zu beschreiben.
• Daten sollten einen (statistisch) kausalen
Zusammenhang mit der Lösung haben.
Künstliche Intelligenz
Künstliche Intelligenz
8
t
Künstliche Intelligenz (KI)
Software die menschliches
Verhalten nachahmt
Deep Learning (DL)
Spezielle Maschinelle
Lernmethoden, die auf
Neuronalen Netzen
basieren
Machine Learning(ML)
Algorithmen die von Daten lernen
Ein Programm, das fühlen,
denken, handeln und sich
anpassen kann (wie Menschen)
Algorithmen,
die spezifische Probleme
mithilfe von Daten lösen
Die wichtigsten Methoden des maschinellen Lernens
Und es werden immer mehr …
9
2
1 3
10
Wo kann ich ML in der Produktion sinnvoll einsetzen?
30/11/22
Prozessüberwachung Prozessoptimierung Prozesssteuerung
Ursachenanalyse und
Entscheidungshilfe
Prozessüberwachung
+ Business Kontext
+ Analysetools
Anpassung der Strategie
auf veränderte
Bedingungen
Prozessoptimierung
+ Reaktionsfähigkeit der
Linie/Systeme
Supervised Methoden
Unsupervised Methoden
Reinforcement Learning Methoden
Situationserkennung und
vorausschauende
Informationen
von Steuerungen &
Sensoren
Input
Output
12
Wo kann ich ML in der Produktion sinnvoll einsetzen?
30/11/22
Qualität & Wartung
(Intra-) Logistik
Produktionssteuerung
I n t e l l i g e n t e F a b r i k
Fehlererkennung mit
lernenden Algorithmen
Eventbasierte-Alarme &
Predictive Maintenance
Live Identification &
Stock Monitoring
Autonome
“forecast-based”
Transportrouten
Nutzung von Sensordaten
aus dem Shopfloor für die
Produktionssteuerung
“Real-Time”
Ressourcen-Planung
mit Agentensystemen
14
Use Case | End-of-Line Prüfung eines Getriebemotors
Problemstellung: Funktionale Überprüfung auf korrekte Montage
30/11/22
ZIEL:
Zuverlässige Fehlererkennung um
Auslieferung fehlerhafter Bauteile zu vermeiden!
• Funktionstüchtigkeit des Bauteils
• Konformität mit der bestehenden Kundenbestellung
Prozess: Verzweigung im Wertstrom
• n.i.O -> Umleitung auf einen Reparaturplatz
• i.O. -> Motor hat die Endprüfung bestanden
Idee:
Analyse der Schwingungen mit ML
15
ML Für die End-of-Line Prüfung: Eine gute Idee?
Ist das Problem prinzipiell für das maschinelle lernen geeignet?
30/11/22
Unsupervised
Learning
• Output: Darstellung von
“ähnlichen Geräuschen”
• Erkennen von Mustern & Gruppen
in unstrukturierten Daten
• Einsatz zur Ursachenanalyse
“Clustering”
Supervised
Learning
• Funktion, die von
Eingangsparameter auf
Ausgangsparameter abbildet
• Erkennen bekannter, jedoch nicht
eindeutig beschreibbarer Fehler
• Einsatz zur Ursachenanalyse
“Klassifizierung”
Semi-Supervised
Learning
• Autoencoder: Encoder + Decoder
bearbeiten Bild, Rekonstruktions-
Fehler als Kriterium zur Anomalie-
erkennung
• Erkennen jedweder Abweichung
vom bekannten „i.O.“
“Anomalieerkennung”
VORGEHENSWEISE IN PROJEKTEN
CRISP-DM Ansatz
• Industrieübergreifender
Standard für Data-Mining,
bekannt als CRISP-DM, ist ein
offenes Standard
Prozessmodel, um Ansätze
von Data-Mining Experten zu
beschreiben. Es ist das am
weitesten verbreitete Analytics
Modell.
Daten
verstehen
Daten
vorbereiten
Modell
trainieren
Training &
Scoring
Modell
deployen DATA
2
3
4
5
6
Den Use Case
verstehen
1
BUSINESS
CONSULTING
SAP IMPLEMENTATION
Make or Buy? | Sollte eigentlich einfach sein …
17
Make or Buy? | Eigentlich …
18
??? Quietschgeräusch
???
19
30/11/22
I n t e l l i g e n t e F a b r i k
KI-SERVICE
CONNECTIVITY
Montagelinie Getriebemotor
DMC
„Anomalie-Erkennung“-as-a-Service?
Porsche SOUNCE - Analyse von Körperschall als KI-Service
INTELLIGENTES UNTERNEHMEN
INTELLIGENTE FABRIK
EoL-Test
SAP BUSINESS
TECHNOLOGY PLATTFORM
ERP ECC/S4HANA
CONNECTIVITY
LAYER
L0 - 2
PROCESS CONTROL,
SENSORS & ACTORS
L4
ENTERPRISE
BUSINESS
PROCESSES
& ANALYTICS
L3
MANUFACTURING
MANAGEMENT
PCo PLANT CONNECTIVITY
DMCe
DIGITAL MANUFACTURING
CLOUD
PORSCHE DIGITAL
CLOUD
SOUNCE
KI-SERVICE
Schritt x Schritt y
21
Integration in die bestehende Systemlandschaft?
30/11/22
MQTT
REST
VPN Tunnel
22
30/11/22
23
Use Case | End-of-Line Prüfung eines Getriebemotors
Ergebnis: Anomalie-Erkennung mittels KI-Service
30/11/22
Quantifizierbare Überwachung
Zuverlässige Fehlererkennung >96%
Geringere Qualitätskosten
Lückenlose Dokumentation
KI
KI-Service über vertikale
Integration in MES
Sensor
Komponente
24
Erfahrungen & Fazit
30/11/22
• Cloud-2-Cloud Schnittstellen sind
durch Standard-APIs sehr schnell
integrierbar.
• Externe Services machen KI schnell
und unkompliziert verfügbar.
• Kein Aufbau einer eigenen
Machine Learning Infrastruktur
notwendig
• Kein Personalaufbau
• In Co-Innovation trotzdem
Know-How gewinnen.
DMC
IoT
Kontakt
Trebing & Himstedt Prozeßautomation GmbH & Co. KG
All contents, in particular texts, photographs and graphics, are protected by copyright.
All rights, including reproduction, publication, editing and translation, are reserved.
Adresse
25
30.11.2022
Trebing & Himstedt Prozeßautomation
GmbH & Co. KG
Wilhelm-Hennemann-Str. 13
19061 Schwerin
Markus Schäfer
Head of Discovery & Innovation
mschaefer@t-h.de
+49 173 704 88 65
Webinar - KI-Anwendungen in Produktion und Qualitätssicherung am Beispiel einer End-of-Line-Prüfung

Weitere ähnliche Inhalte

Ähnlich wie Webinar - KI-Anwendungen in Produktion und Qualitätssicherung am Beispiel einer End-of-Line-Prüfung

Enterprise Cloud Native ist das neue Normal
Enterprise Cloud Native ist das neue NormalEnterprise Cloud Native ist das neue Normal
Enterprise Cloud Native ist das neue NormalQAware GmbH
 
DevDay_Christian Mauth.pdf
DevDay_Christian Mauth.pdfDevDay_Christian Mauth.pdf
DevDay_Christian Mauth.pdfCarolinaMatthies
 
Agilität und Qualitätskriterien in der Softwareentwicklung
Agilität und Qualitätskriterien in der SoftwareentwicklungAgilität und Qualitätskriterien in der Softwareentwicklung
Agilität und Qualitätskriterien in der Softwareentwicklungrico.fritzsche
 
Applikationsmodernisierung: Der Weg von Legacy in die Cloud
Applikationsmodernisierung: Der Weg von Legacy in die CloudApplikationsmodernisierung: Der Weg von Legacy in die Cloud
Applikationsmodernisierung: Der Weg von Legacy in die CloudAarno Aukia
 
Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!Harald Erb
 
The Big Five - IT Architektur Heute
The Big Five - IT Architektur HeuteThe Big Five - IT Architektur Heute
The Big Five - IT Architektur HeuteAnatole Tresch
 
UX Design: Ziele - Metriken - Patterns (4. Sitzung)
UX Design: Ziele - Metriken - Patterns (4. Sitzung)UX Design: Ziele - Metriken - Patterns (4. Sitzung)
UX Design: Ziele - Metriken - Patterns (4. Sitzung)Marcus Haberkorn
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewWeissmanGruppe
 
Das Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-Umgebung
Das Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-UmgebungDas Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-Umgebung
Das Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-UmgebungOPITZ CONSULTING Deutschland
 
DWX 2019 Session. Machine Learning in .NET
DWX 2019 Session. Machine Learning in .NETDWX 2019 Session. Machine Learning in .NET
DWX 2019 Session. Machine Learning in .NETMykola Dobrochynskyy
 
YUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für UnternehmenYUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für Unternehmeneoda GmbH
 
Softwarequalität – Schlagwort oder Realität ?
Softwarequalität – Schlagwort oder Realität ?Softwarequalität – Schlagwort oder Realität ?
Softwarequalität – Schlagwort oder Realität ?Ernest Wallmueller
 
Erfahrungen mit agilen Festpreisen
Erfahrungen mit agilen FestpreisenErfahrungen mit agilen Festpreisen
Erfahrungen mit agilen FestpreisenJoachim Baumann
 
Lean Startup und agile Methodiken – Hype oder Fortschritt ?
Lean Startup und agile Methodiken – Hype oder Fortschritt ?Lean Startup und agile Methodiken – Hype oder Fortschritt ?
Lean Startup und agile Methodiken – Hype oder Fortschritt ?Heico Koch
 
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...Socialbar
 
Vorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der WirtschaftsinformatikVorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der WirtschaftsinformatikClaus Brell
 
DevDay 2016 Keynote - Die Evolution agiler Software Entwicklung
DevDay 2016 Keynote - Die Evolution agiler Software EntwicklungDevDay 2016 Keynote - Die Evolution agiler Software Entwicklung
DevDay 2016 Keynote - Die Evolution agiler Software EntwicklungMarc Müller
 
Erfolgsfaktoren von Data Science
Erfolgsfaktoren von Data ScienceErfolgsfaktoren von Data Science
Erfolgsfaktoren von Data Scienceeoda GmbH
 
Beyond Agile - when Freedom grows to Quality and Speed
Beyond Agile - when Freedom grows to Quality and SpeedBeyond Agile - when Freedom grows to Quality and Speed
Beyond Agile - when Freedom grows to Quality and SpeedSebastian Bernt
 
Die Bedeutung der Diagnose in der Fahrzeugentwicklung
Die Bedeutung der Diagnose in der FahrzeugentwicklungDie Bedeutung der Diagnose in der Fahrzeugentwicklung
Die Bedeutung der Diagnose in der FahrzeugentwicklungSchleissheimer GmbH
 

Ähnlich wie Webinar - KI-Anwendungen in Produktion und Qualitätssicherung am Beispiel einer End-of-Line-Prüfung (20)

Enterprise Cloud Native ist das neue Normal
Enterprise Cloud Native ist das neue NormalEnterprise Cloud Native ist das neue Normal
Enterprise Cloud Native ist das neue Normal
 
DevDay_Christian Mauth.pdf
DevDay_Christian Mauth.pdfDevDay_Christian Mauth.pdf
DevDay_Christian Mauth.pdf
 
Agilität und Qualitätskriterien in der Softwareentwicklung
Agilität und Qualitätskriterien in der SoftwareentwicklungAgilität und Qualitätskriterien in der Softwareentwicklung
Agilität und Qualitätskriterien in der Softwareentwicklung
 
Applikationsmodernisierung: Der Weg von Legacy in die Cloud
Applikationsmodernisierung: Der Weg von Legacy in die CloudApplikationsmodernisierung: Der Weg von Legacy in die Cloud
Applikationsmodernisierung: Der Weg von Legacy in die Cloud
 
Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!Big Data Discovery + Analytics = Datengetriebene Innovation!
Big Data Discovery + Analytics = Datengetriebene Innovation!
 
The Big Five - IT Architektur Heute
The Big Five - IT Architektur HeuteThe Big Five - IT Architektur Heute
The Big Five - IT Architektur Heute
 
UX Design: Ziele - Metriken - Patterns (4. Sitzung)
UX Design: Ziele - Metriken - Patterns (4. Sitzung)UX Design: Ziele - Metriken - Patterns (4. Sitzung)
UX Design: Ziele - Metriken - Patterns (4. Sitzung)
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of View
 
Das Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-Umgebung
Das Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-UmgebungDas Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-Umgebung
Das Ganze ist mehr als seine Teile: Die moderne Continuous-Delivery-Umgebung
 
DWX 2019 Session. Machine Learning in .NET
DWX 2019 Session. Machine Learning in .NETDWX 2019 Session. Machine Learning in .NET
DWX 2019 Session. Machine Learning in .NET
 
YUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für UnternehmenYUNA - Data Science Plattform für Unternehmen
YUNA - Data Science Plattform für Unternehmen
 
Softwarequalität – Schlagwort oder Realität ?
Softwarequalität – Schlagwort oder Realität ?Softwarequalität – Schlagwort oder Realität ?
Softwarequalität – Schlagwort oder Realität ?
 
Erfahrungen mit agilen Festpreisen
Erfahrungen mit agilen FestpreisenErfahrungen mit agilen Festpreisen
Erfahrungen mit agilen Festpreisen
 
Lean Startup und agile Methodiken – Hype oder Fortschritt ?
Lean Startup und agile Methodiken – Hype oder Fortschritt ?Lean Startup und agile Methodiken – Hype oder Fortschritt ?
Lean Startup und agile Methodiken – Hype oder Fortschritt ?
 
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
Markus Schranner: "Das Lean Startup Prinzip - Potentiale für NGOs und soziale...
 
Vorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der WirtschaftsinformatikVorgehensmodelle - Methoden der Wirtschaftsinformatik
Vorgehensmodelle - Methoden der Wirtschaftsinformatik
 
DevDay 2016 Keynote - Die Evolution agiler Software Entwicklung
DevDay 2016 Keynote - Die Evolution agiler Software EntwicklungDevDay 2016 Keynote - Die Evolution agiler Software Entwicklung
DevDay 2016 Keynote - Die Evolution agiler Software Entwicklung
 
Erfolgsfaktoren von Data Science
Erfolgsfaktoren von Data ScienceErfolgsfaktoren von Data Science
Erfolgsfaktoren von Data Science
 
Beyond Agile - when Freedom grows to Quality and Speed
Beyond Agile - when Freedom grows to Quality and SpeedBeyond Agile - when Freedom grows to Quality and Speed
Beyond Agile - when Freedom grows to Quality and Speed
 
Die Bedeutung der Diagnose in der Fahrzeugentwicklung
Die Bedeutung der Diagnose in der FahrzeugentwicklungDie Bedeutung der Diagnose in der Fahrzeugentwicklung
Die Bedeutung der Diagnose in der Fahrzeugentwicklung
 

Mehr von Trebing & Himstedt Prozeßautomation GmbH & Co. KG

Mehr von Trebing & Himstedt Prozeßautomation GmbH & Co. KG (20)

Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...
Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...
Webinar: Diese 10 wichtigsten Fragen zur SAP DM Cloud-Migration sollten Sie k...
 
Webinar: Effizientere Produktionsprozesse mit E-Paper Displays
Webinar: Effizientere Produktionsprozesse mit E-Paper DisplaysWebinar: Effizientere Produktionsprozesse mit E-Paper Displays
Webinar: Effizientere Produktionsprozesse mit E-Paper Displays
 
Webinar: Sicher mit dem SAP MES in die Cloud migrieren
Webinar: Sicher mit dem SAP MES in die Cloud migrierenWebinar: Sicher mit dem SAP MES in die Cloud migrieren
Webinar: Sicher mit dem SAP MES in die Cloud migrieren
 
Nachhaltig, resilient und auch noch profitabel?
Nachhaltig, resilient und auch noch profitabel?Nachhaltig, resilient und auch noch profitabel?
Nachhaltig, resilient und auch noch profitabel?
 
Webinar: Wie Sie die IoT-Daten Ihrer Produkte zum Vorteil Ihrer Kunden nutzen
Webinar: Wie Sie die IoT-Daten Ihrer Produkte zum Vorteil Ihrer Kunden nutzenWebinar: Wie Sie die IoT-Daten Ihrer Produkte zum Vorteil Ihrer Kunden nutzen
Webinar: Wie Sie die IoT-Daten Ihrer Produkte zum Vorteil Ihrer Kunden nutzen
 
Webinar: Vom Schrauber in die Cloud – Wie geht die Anbindung an das SAP Cloud...
Webinar: Vom Schrauber in die Cloud – Wie geht die Anbindung an das SAP Cloud...Webinar: Vom Schrauber in die Cloud – Wie geht die Anbindung an das SAP Cloud...
Webinar: Vom Schrauber in die Cloud – Wie geht die Anbindung an das SAP Cloud...
 
Shopfloor-Digitalisierung bei Lenze
Shopfloor-Digitalisierung bei LenzeShopfloor-Digitalisierung bei Lenze
Shopfloor-Digitalisierung bei Lenze
 
Webinar - SAP MES zieht in die Cloud - ziehen Sie mit?
Webinar - SAP MES zieht in die Cloud - ziehen Sie mit?Webinar - SAP MES zieht in die Cloud - ziehen Sie mit?
Webinar - SAP MES zieht in die Cloud - ziehen Sie mit?
 
Webinar: Process Mining Journey bei BMW - A Rollercoaster Ride to Process Exc...
Webinar: Process Mining Journey bei BMW - A Rollercoaster Ride to Process Exc...Webinar: Process Mining Journey bei BMW - A Rollercoaster Ride to Process Exc...
Webinar: Process Mining Journey bei BMW - A Rollercoaster Ride to Process Exc...
 
Mit Wow + Now in die Produktion 4.0 starten
Mit Wow + Now in die Produktion 4.0 startenMit Wow + Now in die Produktion 4.0 starten
Mit Wow + Now in die Produktion 4.0 starten
 
Webinar: Digital Manufacturing aus der Cloud – Live-Demo SAP Cloud MES
Webinar: Digital Manufacturing aus der Cloud – Live-Demo SAP Cloud MESWebinar: Digital Manufacturing aus der Cloud – Live-Demo SAP Cloud MES
Webinar: Digital Manufacturing aus der Cloud – Live-Demo SAP Cloud MES
 
Webinar: Intelligente Fabriken brauchen smarte Architekturen
Webinar: Intelligente Fabriken brauchen smarte ArchitekturenWebinar: Intelligente Fabriken brauchen smarte Architekturen
Webinar: Intelligente Fabriken brauchen smarte Architekturen
 
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestaltenWebinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
 
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestaltenWebinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
 
Webinar Geschäftsmodellinnovationen durch Industrie 4.0 und Digitalisierung
Webinar Geschäftsmodellinnovationen durch Industrie 4.0 und Digitalisierung Webinar Geschäftsmodellinnovationen durch Industrie 4.0 und Digitalisierung
Webinar Geschäftsmodellinnovationen durch Industrie 4.0 und Digitalisierung
 
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestaltenWebinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
Webinar: Mit Drag & Drop die Produktionsplanung flexibel gestalten
 
Webinar: Intelligente Fabriken brauchen smarte Architekturen
Webinar: Intelligente Fabriken brauchen smarte ArchitekturenWebinar: Intelligente Fabriken brauchen smarte Architekturen
Webinar: Intelligente Fabriken brauchen smarte Architekturen
 
Webinar - Zwischen Theorie & Praxis: Agile Web-Talk
Webinar - Zwischen Theorie & Praxis: Agile Web-TalkWebinar - Zwischen Theorie & Praxis: Agile Web-Talk
Webinar - Zwischen Theorie & Praxis: Agile Web-Talk
 
Webinar - Agil statt chaotisch
Webinar - Agil statt chaotischWebinar - Agil statt chaotisch
Webinar - Agil statt chaotisch
 
Webinar - Potenzialhebel 4.0 nutzen
Webinar - Potenzialhebel 4.0 nutzenWebinar - Potenzialhebel 4.0 nutzen
Webinar - Potenzialhebel 4.0 nutzen
 

Webinar - KI-Anwendungen in Produktion und Qualitätssicherung am Beispiel einer End-of-Line-Prüfung

  • 1. www.t-h.de info@t-h.de KI-Anwendungen in Produktion und Qualitätssicherung am Beispiel einer End-of-Line-Prüfung Markus Schäfer Head of Discovery & Innovation
  • 2. 4 Was kann Künstliche Intelligenz leisten? 30/11/22 • Flexibilität & Transferleistung • Empathie & Kreativität • beliebige Aspekte einbeziehen • Fach- / Kontextwissen Lösung hängt von Fähigkeiten ab. Menschliche Intelligenz
  • 3. 5 Was kann Künstliche Intelligenz leisten? 30/11/22 [1]
  • 4. 6 Was kann Künstliche Intelligenz leisten? 30/11/22 • Flexibilität & Transferleistung • Empathie & Kreativität • beliebige Aspekte einbeziehen • Fach- / Kontextwissen Lösung hängt von Fachkenntnis ab. Menschliche Intelligenz Maschinelle Intelligenz • Muster in Daten erkennen • Wahrscheinlichkeiten berechnen • Konsistenz • schnell & effizient Lösung hängt von Daten(qualität) ab. Lösung wird für ein konkretes Anwendungsproblem gefunden!
  • 5. 7 Was kann Künstliche Intelligenz leisten? 30/11/22 • Löst Probleme, die wir bereits verstanden haben und die man mathematisch beschrieben kann. Regelbasierte Programmierung • KI löst Probleme, für die es genug Daten gibt, um das Problem zu beschreiben. • Daten sollten einen (statistisch) kausalen Zusammenhang mit der Lösung haben. Künstliche Intelligenz
  • 6. Künstliche Intelligenz 8 t Künstliche Intelligenz (KI) Software die menschliches Verhalten nachahmt Deep Learning (DL) Spezielle Maschinelle Lernmethoden, die auf Neuronalen Netzen basieren Machine Learning(ML) Algorithmen die von Daten lernen Ein Programm, das fühlen, denken, handeln und sich anpassen kann (wie Menschen) Algorithmen, die spezifische Probleme mithilfe von Daten lösen
  • 7. Die wichtigsten Methoden des maschinellen Lernens Und es werden immer mehr … 9 2 1 3
  • 8. 10 Wo kann ich ML in der Produktion sinnvoll einsetzen? 30/11/22 Prozessüberwachung Prozessoptimierung Prozesssteuerung Ursachenanalyse und Entscheidungshilfe Prozessüberwachung + Business Kontext + Analysetools Anpassung der Strategie auf veränderte Bedingungen Prozessoptimierung + Reaktionsfähigkeit der Linie/Systeme Supervised Methoden Unsupervised Methoden Reinforcement Learning Methoden Situationserkennung und vorausschauende Informationen von Steuerungen & Sensoren Input Output
  • 9. 12 Wo kann ich ML in der Produktion sinnvoll einsetzen? 30/11/22 Qualität & Wartung (Intra-) Logistik Produktionssteuerung I n t e l l i g e n t e F a b r i k Fehlererkennung mit lernenden Algorithmen Eventbasierte-Alarme & Predictive Maintenance Live Identification & Stock Monitoring Autonome “forecast-based” Transportrouten Nutzung von Sensordaten aus dem Shopfloor für die Produktionssteuerung “Real-Time” Ressourcen-Planung mit Agentensystemen
  • 10. 14 Use Case | End-of-Line Prüfung eines Getriebemotors Problemstellung: Funktionale Überprüfung auf korrekte Montage 30/11/22 ZIEL: Zuverlässige Fehlererkennung um Auslieferung fehlerhafter Bauteile zu vermeiden! • Funktionstüchtigkeit des Bauteils • Konformität mit der bestehenden Kundenbestellung Prozess: Verzweigung im Wertstrom • n.i.O -> Umleitung auf einen Reparaturplatz • i.O. -> Motor hat die Endprüfung bestanden Idee: Analyse der Schwingungen mit ML
  • 11. 15 ML Für die End-of-Line Prüfung: Eine gute Idee? Ist das Problem prinzipiell für das maschinelle lernen geeignet? 30/11/22 Unsupervised Learning • Output: Darstellung von “ähnlichen Geräuschen” • Erkennen von Mustern & Gruppen in unstrukturierten Daten • Einsatz zur Ursachenanalyse “Clustering” Supervised Learning • Funktion, die von Eingangsparameter auf Ausgangsparameter abbildet • Erkennen bekannter, jedoch nicht eindeutig beschreibbarer Fehler • Einsatz zur Ursachenanalyse “Klassifizierung” Semi-Supervised Learning • Autoencoder: Encoder + Decoder bearbeiten Bild, Rekonstruktions- Fehler als Kriterium zur Anomalie- erkennung • Erkennen jedweder Abweichung vom bekannten „i.O.“ “Anomalieerkennung”
  • 12. VORGEHENSWEISE IN PROJEKTEN CRISP-DM Ansatz • Industrieübergreifender Standard für Data-Mining, bekannt als CRISP-DM, ist ein offenes Standard Prozessmodel, um Ansätze von Data-Mining Experten zu beschreiben. Es ist das am weitesten verbreitete Analytics Modell. Daten verstehen Daten vorbereiten Modell trainieren Training & Scoring Modell deployen DATA 2 3 4 5 6 Den Use Case verstehen 1 BUSINESS CONSULTING SAP IMPLEMENTATION
  • 13. Make or Buy? | Sollte eigentlich einfach sein … 17
  • 14. Make or Buy? | Eigentlich … 18 ??? Quietschgeräusch ???
  • 15. 19 30/11/22 I n t e l l i g e n t e F a b r i k KI-SERVICE CONNECTIVITY Montagelinie Getriebemotor DMC „Anomalie-Erkennung“-as-a-Service? Porsche SOUNCE - Analyse von Körperschall als KI-Service
  • 16. INTELLIGENTES UNTERNEHMEN INTELLIGENTE FABRIK EoL-Test SAP BUSINESS TECHNOLOGY PLATTFORM ERP ECC/S4HANA CONNECTIVITY LAYER L0 - 2 PROCESS CONTROL, SENSORS & ACTORS L4 ENTERPRISE BUSINESS PROCESSES & ANALYTICS L3 MANUFACTURING MANAGEMENT PCo PLANT CONNECTIVITY DMCe DIGITAL MANUFACTURING CLOUD PORSCHE DIGITAL CLOUD SOUNCE KI-SERVICE Schritt x Schritt y 21 Integration in die bestehende Systemlandschaft? 30/11/22 MQTT REST VPN Tunnel
  • 18. 23 Use Case | End-of-Line Prüfung eines Getriebemotors Ergebnis: Anomalie-Erkennung mittels KI-Service 30/11/22 Quantifizierbare Überwachung Zuverlässige Fehlererkennung >96% Geringere Qualitätskosten Lückenlose Dokumentation KI KI-Service über vertikale Integration in MES Sensor Komponente
  • 19. 24 Erfahrungen & Fazit 30/11/22 • Cloud-2-Cloud Schnittstellen sind durch Standard-APIs sehr schnell integrierbar. • Externe Services machen KI schnell und unkompliziert verfügbar. • Kein Aufbau einer eigenen Machine Learning Infrastruktur notwendig • Kein Personalaufbau • In Co-Innovation trotzdem Know-How gewinnen. DMC IoT
  • 20. Kontakt Trebing & Himstedt Prozeßautomation GmbH & Co. KG All contents, in particular texts, photographs and graphics, are protected by copyright. All rights, including reproduction, publication, editing and translation, are reserved. Adresse 25 30.11.2022 Trebing & Himstedt Prozeßautomation GmbH & Co. KG Wilhelm-Hennemann-Str. 13 19061 Schwerin Markus Schäfer Head of Discovery & Innovation mschaefer@t-h.de +49 173 704 88 65