Vorbeugen und schneller handeln mit KI
KI nimmt eine immer stärkere Rolle in der Qualitätssicherung ein. Dank Predictive Quality werden fehlerhafte Bauteile während des Produktionsprozesses frühzeitig erkannt, sodass entsprechend reagiert werden kann.
Predictive Quality setzt auf schnellstmögliches Erkennen von Produktionsfehlern. Dadurch können größere Fehlerzahlen verhindert werden. Mit dieser Methode werden anhand von Datenanalysen Vorhersagen getroffen, die den laufenden Produktionsprozess bei Fehlerprognosen frühzeitig anpassen können.
Prognosen als Grundlage für Fehlererkennung
In laufenden Produktionsprozessen kommt es nicht selten vor, dass fehlerhafte Teile gefertigt werden. Mit Hilfe von Predictive Quality soll dies nun reduziert werden. Predictive Quality erstellt Vorhersagen und Prognosen anhand von ausgelesenen Daten aus dem bestehenden Produktionsprozess und ermittelt so die Wahrscheinlichkeit eines Produktionsfehlers. Machine Learning Algorithmen werden trainiert, bestimmte Muster zu erkennen, die die Qualität der Produktion kennzeichnen. Ziel ist es, die Qualität der laufend produzierten Bauteile vorhersagen zu können.
Um dies zu erreichen, werden einige Datenquellen benötigt. Sollten diese im Unternehmen noch nicht vorhanden sein, muss diese Grundlage implementiert werden. Es werden sowohl Produktionsprozessdaten als auch Qualitätsdaten benötigt. Zu den Produktionsprozessdaten gehören unter anderem Maschinendaten, Prozessdaten und Produktdaten. Bei den Qualitätsdaten werden Gutteile und Ausschuss genau miteinander verglichen und gegebenenfalls ein Raster festgelegt, das die Eigenschaften für Gutteile genau eingrenzt. Predictive Quality basiert auf einer ganzheitlichen Betrachtung aller zusammenspielenden Faktoren.
Je mehr Daten vorhanden sind, desto genauer können die Vorhersagen erfolgen. Werden die Machine Learning Algorithmen mit Hilfe der umfangreichen Datenbasis trainiert, sind präzise Vorhersagen deutlich früher möglich als bisher. So lässt sich die Produktion fehlerhafter Teile deutlich reduzieren. Machine Learning ist ein Teilbereich der Künstlichen Intelligenz. Er ist in der Lage, aus historischen Daten Muster und Zusammenhänge abzuleiten, die dann auf aktuelle Daten und Prozesse angewendet werden können.