Diese Präsentation wurde erfolgreich gemeldet.
Die SlideShare-Präsentation wird heruntergeladen. ×

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

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Hier ansehen

1 von 21 Anzeige

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

Herunterladen, um offline zu lesen

Die zunehmende Komplexität von Baugruppen erschwert die Qualitätssicherung. Klassische Messverfahren sind aufwändig oder stoßen technisch an ihre Grenzen. Hier kann Digitalisierung helfen, flexibler und effizienter zu produzieren.

KI-basierte Anwendungen werden zunehmend in der Produktion und in der Qualitätssicherung eingesetzt. So untersucht das DIN-Normungsinstitut aktuell auch, welche Normen Berührungspunkte zu KI-Technologien haben, welche auf den KI-Einsatz vorbereitet sind und welche dahingehend überarbeitet werden müssen.

Um im Produktionsumfeld schnell starten zu können, gibt es KI vielfältig als digitalen Service, der über das Internet of Things (IoT) direkt in den Shopfloor eingebunden werden kann.

Das Webinar am 30. Nov. 2022 um 10 Uhr zeigt auf, welche Grundlagen und Einführungsmethoden es braucht und welche typischen KI-Anwendungen möglich sind. Am Beispiel Getriebeprüfung wird ein KI-Service zur Schwingungsanalyse in ein SAP Cloud MES (SAP DMC) integriert.

Die zunehmende Komplexität von Baugruppen erschwert die Qualitätssicherung. Klassische Messverfahren sind aufwändig oder stoßen technisch an ihre Grenzen. Hier kann Digitalisierung helfen, flexibler und effizienter zu produzieren.

KI-basierte Anwendungen werden zunehmend in der Produktion und in der Qualitätssicherung eingesetzt. So untersucht das DIN-Normungsinstitut aktuell auch, welche Normen Berührungspunkte zu KI-Technologien haben, welche auf den KI-Einsatz vorbereitet sind und welche dahingehend überarbeitet werden müssen.

Um im Produktionsumfeld schnell starten zu können, gibt es KI vielfältig als digitalen Service, der über das Internet of Things (IoT) direkt in den Shopfloor eingebunden werden kann.

Das Webinar am 30. Nov. 2022 um 10 Uhr zeigt auf, welche Grundlagen und Einführungsmethoden es braucht und welche typischen KI-Anwendungen möglich sind. Am Beispiel Getriebeprüfung wird ein KI-Service zur Schwingungsanalyse in ein SAP Cloud MES (SAP DMC) integriert.

Anzeige
Anzeige

Weitere Verwandte Inhalte

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

Aktuellste (20)

Anzeige

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

  1. 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. 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. 3. 5 Was kann Künstliche Intelligenz leisten? 30/11/22 [1]
  4. 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. 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. 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. 7. Die wichtigsten Methoden des maschinellen Lernens Und es werden immer mehr … 9 2 1 3
  8. 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. 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. 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. 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. 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. 13. Make or Buy? | Sollte eigentlich einfach sein … 17
  14. 14. Make or Buy? | Eigentlich … 18 ??? Quietschgeräusch ???
  15. 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. 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
  17. 17. 22 30/11/22
  18. 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. 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. 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

×