KI-Produktionsnetzwerk
Seitenpfad:
EbQuoPro
Entwicklung und Benchmarking von Predictive-Quality-Algorithmen zur Prozessanalyse und KI-gestützten Prüfstrategie für elektronische Baugruppen
Künstliche Intelligenz
01.01.2023 - 31.12.2025
Projektbeschreibung
Im Projekt „EbQuoPro“ werden im Rahmen des KI-Produktionsnetzwerks von Prof. Dr. Björn Häckel der Fakultät für Informatik der Technischen Hochschule Augsburg in Kooperation mit Rohde & Schwarz, MBK Professional electronics, dem Fraunhofer FIT und dem TTZ Data Analytics der THA Explainable Artificial Intelligence (XAI) entwickelt, die nachvollziehbar macht, wie das System zum Ergebnis kommt und so Vertrauen in die Ergebnisse schafft.
Predictive Quality Algorithmen bieten die Möglichkeit, Risiken von Produktdesigns vorherzusagen. Dadurch können Unternehmen bereits vor der eigentlichen Fertigung ihr Produkt optimieren, Ausschuss verringern und sich langfristig einen Vorteil im Wettbewerb sichern. Im Moment wird diese Möglichkeit aufgrund des Fachkräftemangels, hoher Komplexität und intransparenter Methoden kaum genutzt. EBQuoPro ermöglicht mithilfe von Künstlicher Intelligenz verständliche und nachvollziehbare Prognosen.
Die Qualität von Produkten vorherzusagen birgt enormes Potenzial für die Industrie. Hierzu werden sogenannten Predictive-Quality-Algorithmen verwendet. Mit ihnen lassen sich bereits vor der eigentlichen Produktion in Serie Risiken aufzeigen, die durch das Design des Produkts bedingt sind. Damit können Unternehmen frühzeitig Maßnahmen ergreifen, um die Qualität ihrer Produkte zu verbessern, den Ausschuss während der Fertigung zu verringern und ihre Wettbewerbsfähigkeit steigern. Allerdings nutzen Unternehmen dieses Verfahren noch kaum. Denn der Fachkräftemangel, die Komplexität der Prognosen und die Intransparenz der angewandten Methoden verhindern eine praktische Anwendung.
Daran arbeitet EBQuoPro
Ziel des Forschungsprojekts EBQuoPro (Entwicklung und Benchmarking von Predictive-Quality-Algorithmen zur Prozessanalyse und KI-gestützten Prüfstrategie für elektronische Baugruppen) ist es deshalb, verständliche und nachvollziehbare Prognosen zu generieren.
Hierzu entwickelt und evaluiert EBQuoPro KI-basierter Predictive-Quality-Algorithmen, die erklärbare und datenbasierte Künstliche Intelligenz verwenden. Diese sogenannte Explainable Artificial Intelligence (XAI) soll nachvollziehbar machen, wie das System zum Ergebnis kommt und so Vertrauen in die Ergebnisse schaffen.
Konkret wird in EBQuoPro der Bestückungsprozess von Baugruppen analysiert. Hierzu werden Risikofaktoren für die Qualität der Produkte empirisch auf verschiedene Einflussfaktoren sowie auf kritische Spezifikationen einzelner Bauteile zurückgeführt. Diese Daten werden während des Fertigungsprozesses mittels moderner Sensorik erfasst.
Dabei besteht keine Möglichkeit, Rückschlüsse auf die Wettbewerbs- und Unternehmensdaten zu ziehen. Die Ergebnisse des Projekts lassen sich somit horizontal in Unternehmen der gleichen Branche und vertikal entlang der Werkschöpfungskette eines Produkts integrieren.
Davon profitieren Unternehmen
- nachvollziehbare Prognosen mit XAI
- Risikofaktoren für Qualität von Produkten erkennen
- bessere Qualität und weniger Ausschuss
Beteiligte Unternehmen und Forschungseinrichtungen
- Rohde & Schwarz Messgerätebau GmbH
- BMK Professional electronics GmbH
- Institutsteil Wirtschaftsinformatik des Fraunhofer-Instituts für Angewandte Informationstechnik (FIT)
- TTZ Data Analytics der Hochschule Augsburg
Projektleitung
Telefon: | +49 821 5586-3325 |
Fax: | +49 821 5586-3499 |
Weiterführende Informationen
