Praxisbeispiel: Künstliche Intelligenz EBQuoPro – Prozessanalyse und KI-gestützte Prüfstrategie für elektronische Baugruppen

KI-Produktionsnetzwerk der Technischen Hochschule Augsburg Entwicklung und Benchmarking von Predictive-Quality-Algorithmen zur Prozessanalyse und KI-gestützten Prüfstrategie für elektronische Baugruppen

Die Verwendung von Predictive-Quality-Algorithmen bietet Unternehmen die Möglichkeit, potenzielle Risiken im Produktdesign im Voraus vorherzusagen. Dadurch können Unternehmen ihre Produkte bereits vor der eigentlichen Produktion optimieren, Ausschuss reduzieren und sich langfristig einen Wettbewerbsvorteil verschaffen. Allerdings wird diese Möglichkeit aufgrund von Fachkräftemangel, Komplexität und undurchsichtigen Methoden derzeit kaum genutzt. EBQuoPro nutzt Künstliche Intelligenz, um verständliche und nachvollziehbare Prognosen zu ermöglichen.

Daran arbeitet EBQuoPro: 

Das Forschungsprojekt EBQuoPro (Entwicklung und Benchmarking von Predictive-Quality-Algorithmen zur Prozessanalyse und KI-gestützten Prüfstrategie für elektronische Baugruppen) hat das Ziel, verständliche und nachvollziehbare Vorhersagen zu generieren. Um dies zu erreichen, entwickelt und evaluiert EBQuoPro Predictive-Quality-Algorithmen, die auf erklärbarer und datenbasierter Künstlicher Intelligenz basieren. Diese Explainable Artificial Intelligence (XAI) soll transparent machen, wie das System zu seinen Ergebnissen gelangt und somit Vertrauen in die Ergebnisse schaffen.

Konkret untersucht EBQuoPro den Bestückungsprozess von Baugruppen. Dabei werden Risikofaktoren für die Produktqualität auf verschiedene Einflussfaktoren und kritische Spezifikationen einzelner Bauteile zurückgeführt. Diese Daten werden während des Fertigungsprozesses mithilfe moderner Sensortechnologie erfasst.

Es besteht keine Möglichkeit, Rückschlüsse auf Wettbewerbs- oder Unternehmensdaten zu ziehen. Die Ergebnisse des Projekts können daher horizontal in Unternehmen der gleichen Branche und vertikal entlang der Produktionskette eines Produkts integriert werden.

Die Verwendung von Predictive-Quality-Algorithmen bietet Unternehmen die Möglichkeit, potenzielle Risiken im Produktdesign im Voraus vorherzusagen. Dadurch können Unternehmen ihre Produkte bereits vor der eigentlichen Produktion optimieren, Ausschuss reduzieren und sich langfristig einen Wettbewerbsvorteil verschaffen. Allerdings wird diese Möglichkeit aufgrund von Fachkräftemangel, Komplexität und undurchsichtigen Methoden derzeit kaum genutzt. EBQuoPro nutzt Künstliche Intelligenz, um verständliche und nachvollziehbare Prognosen zu ermöglichen.

Daran arbeitet EBQuoPro: 

Das Forschungsprojekt EBQuoPro (Entwicklung und Benchmarking von Predictive-Quality-Algorithmen zur Prozessanalyse und KI-gestützten Prüfstrategie für elektronische Baugruppen) hat das Ziel, verständliche und nachvollziehbare Vorhersagen zu generieren. Um dies zu erreichen, entwickelt und evaluiert EBQuoPro Predictive-Quality-Algorithmen, die auf erklärbarer und datenbasierter Künstlicher Intelligenz basieren. Diese Explainable Artificial Intelligence (XAI) soll transparent machen, wie das System zu seinen Ergebnissen gelangt und somit Vertrauen in die Ergebnisse schaffen.

Konkret untersucht EBQuoPro den Bestückungsprozess von Baugruppen. Dabei werden Risikofaktoren für die Produktqualität auf verschiedene Einflussfaktoren und kritische Spezifikationen einzelner Bauteile zurückgeführt. Diese Daten werden während des Fertigungsprozesses mithilfe moderner Sensortechnologie erfasst.

Es besteht keine Möglichkeit, Rückschlüsse auf Wettbewerbs- oder Unternehmensdaten zu ziehen. Die Ergebnisse des Projekts können daher horizontal in Unternehmen der gleichen Branche und vertikal entlang der Produktionskette eines Produkts integriert werden.

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

 

Mehr zu EBQuoPro finden Sie hier

Kontakt

Technische Hochschule Augsburg Fakultät für Informatik

Prof. Dr. Björn Steven Häckel
Professor, wissenschaftlicher Leiter KI-Produktionsnetzwerk, Informatik, Data Analytics, HSA_innos

An der Hochschule 1
86161 Augsburg

+45 821 5586-3325
+49 821 5586-3499
bjoern.haeckel@hs-augsburg.de
https://www.tha.de/Informatik.html

Angebote, Projekte und Experten des KI-Produktionsnetzwerks für Unternehmen

Praxisbeispiel: Künstliche Intelligenz Cobots – Entwicklung einer Mensch-Maschinen-Interaktion mit intelligenten Systemen

Im Rahmen des KI-Produktionsnetzwerks arbeiten die Fakultäten für Gestaltung und Elektrotechnik der Technischen Hochschule Augsburg gemeinsam an dem Projekt "Digitale Assistenzsysteme für Schreinereien". Dabei wird ein Use Case für einen kollaborativen Schleifroboter (Cobot) entwickelt, wobei ... mehr
Mehr lesen

Angebot Innovation Digitaler Hallenrundgang KI in der Produktion

Den Kern des gesamten Produktionsnetzwerkes bildet eine technologische Forschungsinfrastruktur, welche ein verteiltes, modulares und selbstorganisierendes Produktionsnetzwerk in industriellem Maßstab umsetzt. ... mehr
Mehr lesen

Angebot Innovation Das KI-Produktionsnetzwerk an der Universität Augsburg

Nachhaltig, resilient und menschzentriert: Gestalten Sie mit dem KI-Produktionsnetzwerk an der Universität Augsburg die Produktion der Zukunft. Unsere Expertinnen und Experten arbeiten schon jetzt gemeinsam mit Unternehmen an KI-Lösungen für aktuelle Herausforderungen. ... mehr
Mehr lesen

Praxisbeispiele aus dem Bereich Innovation Diese Unternehmen zeigen wie es geht

Praxisbeispiel Innovation Erfolgreiche Zusammenarbeit zwischen Startups und Mittelständler

Ein hervorragendes Beispiel für die erfolgreiche Zusammenarbeit zwischen Startups und etablierten Unternehmen ist die Partnerschaft zwischen der neu gegründeten fibclick GmbH und der BWF Group ... mehr
Mehr lesen

Praxisbeispiel Innovation Game Changer für produzierende Unternehmen

Michael Kühnel sorgt bei SGL Carbon am Standort Meitingen für Effizienzgewinne im Prozess durch moderne Technologien wie Künstliche Intelligenz und Machine Learning. Prozessverbesserungen im zweistelligen Prozentbereich sind heute keine Seltenheit mehr. ... mehr
Mehr lesen

Praxisbeispiel: Nachhaltiges Wirtschaften Drucken und dabei Umweltschutz praktizieren?

Druckereien können umweltfreundlich sein: Die Mayer & Söhne Druck- und Mediengruppe GmbH & Co. KG integriert Nachhaltigkeit in die Unternehmenskultur und hat das Ziel, alle Produktionsprozesse nachhaltig und umweltschonend zu gestalten. ... mehr
Mehr lesen

Aus unserem Themenspektrum Innovation Das könnte Sie auch interessieren

Innovation in A³ Praxisbeispiele, die überzeugen

Überzeugen Sie sich von den Good-Practice Beispielen aus der Region A³ – Sie werden überrascht sein, was die Unternehmen heute bereits leisten.
Mehr lesen

Angebote finden Wiedereinstieg in A³ leicht gemacht

Hier finden Sie Angebote, Beratungstellen, Praxisbeispiele, Erfolgsstories, Events, News etc. aus der Themenwelt Wiedereinstieg. Über Suche verfeinern können Sie dies filtern lassen.
Mehr lesen

Future Skills in A³ Zukunftsthemen, Trends und Technologien

Der Wirtschaftsraum Augsburg steckt voller innovativer Ideen, Technologien, Kompetenzträger und Potenziale, die die Zukunft besser machen. Unternehmen und Forschungspartner am Standort arbeiten an Themen, die die Wettbewerbsfähigkeit in Zeiten der Transformation sichern.
Mehr lesen