Künstliche Intelligenz und Qualitätssicherung
Künstliche Intelligenz ist in aller Munde. Auch die Qualitätssicherung profitiert bereits von der KI. Zukünftig könnte sie weitere Bereiche übernehmen und optimieren. Die enormen Datenmengen, die während der Produktion durch die Prüfprozesse entstehen, erfordern neuartige Tools zur genauen und effizienten Analyse.
Das Qualitätsmanagement der fertigenden Industrie steht immer wieder vor neuen Herausforderungen. Dank weiter fortschreitender Automatisierung der Prüfprozesse werden immer genauere Ergebnisse erzielt, die längst nicht mehr manuell ausgewertet werden können.
KI in der Qualitätssicherung
Durch den kontinuierlichen Ausbau der Digitalisierung und die ständige Erweiterung der Sensorik innerhalb der Produktionsabläufe ist das Qualitätsmanagement in der Lage, mehr Daten zu erfassen. Diese riesigen Datenmengen stellen die Qualitätssicherung vor neue Herausforderungen, eröffnen aber gleichzeitig sehr interessante Möglichkeiten. Da inzwischen viel genauere Daten zu den Prüfstücken erhoben werden, kann bei geringsten Abweichungen sofort reagiert werden. Dies hat zur Folge, dass die Qualität der Teile kontinuierlich hoch bleibt.
Um die riesigen Datenmengen verarbeiten und entsprechend nutzen zu können, sind neue Technologien im Einsatz. Mit Hilfe Künstlicher Intelligenz werden die Daten analysiert und aufbereitet. Diese Datenanalyse erfolgt idealerweise inline mit Hilfe besonderer Analysewerkzeuge.
Herkömmliche Mess- und Analysemethoden vs. KI
Bislang war es so, dass die Mess- und Analysemethoden einzelne Datenreihen ausgewertet und bei Über- oder Unterschreiten der definierten Toleranzgrenzen reagiert haben. Mit Hilfe von Künstlicher Intelligenz ist es inzwischen möglich, multivariate Analysen durchzuführen. Das heißt, die KI untersucht zahlreiche, hochfrequente Zeitreihen zugleich. Die KI wertet auch Unstimmigkeiten zwischen einzelnen Messreihen aus und bietet den Nutzern außerdem eine Auflistung möglicher Ursachen für die Abweichungen.
Großer Vorteil ist hierbei, dass der Produktionsprozess innerhalb kürzester Zeit modifiziert werden kann. Sobald die KI Abweichungen feststellt und die möglichen Ursachen benannt hat, wird die Fehlersuche an der Fertigungsstrecke um einiges verkürzt. Dadurch wird effizienter und kostengünstiger produziert. Das Qualitätslevel steigt.
Für diese Art der Analyse werden vor allem Open-Source-Technologien genutzt. Besonders haben sich auf diesem Gebiet Systeme wie Python, Kafka und Spark hervorgetan. Diese lassen sich bequem den individuellen Anforderungen anpassen.