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 Kooperationsmöglichkeiten im KI-Produktionsnetzwerk

Die Technische Hochschule Augsburg arbeitet im KI-Produktionsnetzwerk in drei Phasen an der Idee, Entwicklung und Umsetzung Ihres Projekts. Dieser strukturierte Prozess gibt Ihnen nicht nur zuverlässige Lösungen, es macht Innovation auch nachvollziehbar und planbar. ... mehr
Mehr lesen

Angebot Innovation Neues KI-Zertifikat für Auszubildende

Das KI-Produktionsnetzwerk an der Universität Augsburg bietet einen zertifizierten Kurs zu Künstlicher Intelligenz für Auszubildende an. Er gibt den jungen Menschen einen Einstieg in das Thema KI in der Produktion. Der erste Lehrgang startete Mitte November. Die Inhalte werden teils online gelehrt, teils ganz praktisch im KI-Erlebnisraum „Halle 43“ vermittelt. ... mehr
Mehr lesen

Praxisbeispiele aus dem Bereich Innovation Diese Unternehmen zeigen wie es geht

Praxisbeispiel: Fachkräfte für Innovationen Intrinsische Motivation

Bei TEAM23 verknüpfen Designer, Webentwickler und Digitalstrategen Innovation und Design mit Content und Code und unterstützen Kunden dabei, über das Alltägliche hinaus zu denken. Dem Fachkräftemangel begegnet Geschäftsführer Oliver Vogt so: „Wir haben gute Beziehungen zur Hochschule und ... mehr
Mehr lesen

Praxisbeispiel: Ressourceneffizienz Visualisierung von Energiedaten

Effiziente Energienutzung setzt Verständnis über Verbrauchsprofile und Lastgänge sowie über Erzeugerprofile mit zunehmenden regenerativen Anteilen voraus. Der Visualisierung und interaktiven Exploration energiebezogener Daten kommt hier eine wichtige Rolle zu. ... mehr
Mehr lesen

Praxisbeispiel: Einstieg in Zukunftstechnologien Digitaler Kundendienstprozess bei PFISTER WAAGEN

Die Pfister Waagen Bilanciai GmbH in Affing-Mühlhausen digitalisiert vollumfänglich seinen gesamten Kundendienstprozess. susietec® löst mit Workforce nun das seit zehn Jahren bestehende Windows-basierte Kundendienstmodul ab. Durch Ludwig Pfister 1894 als Waagenbetrieb mit mechanischen ... mehr
Mehr lesen

Aus unserem Themenspektrum Innovation Das könnte Sie auch interessieren

Der Fachbeirat Wasserstoff lädt ein: 3. Regionale Zukunftskonferenz Wasserstoff am 05.02.2025

Veranstaltungsort: HWK Schwaben, Siebentischstraße 52-58, 86161 Augsburg Programmdownload
Mehr lesen

Innovation in A³ Mediengallerie Innovation und Technologietransfer

Innovation und Technologietransfer hat viele Gesichter. Unternehmen, Hochschulen, Forschungseinrichtungen und Netzwerke bilden eine dynamische Community in der Region. Ein paar der Gesichter finden Sie hier. In der Mediathek finden Sie Fotos und Videos zu unseren Veranstaltungen und Aktivitäten ... mehr
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