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

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

Expertise Forschungspartner vor Ort Künstliche Intelligenz und Vliesstoffe – Neue Chancen für die Zukunft des Textilrecyclings

Mit einer neuen Kompaktanlage zur Herstellung von Nadelvliesstoffen erweitert das Recycling Atelier der Technischen Hochschule Augsburg (THA) seine Möglichkeiten zur angewandten KI-Forschung. ... mehr
Mehr lesen

Expertise Innovation Prof. Dr.-Ing. Jürgen Lenz

Ab dem Sommersemester 2023 wird Prof. Lenz an der Technischen Hochschule Augsburg die Fächer „KI in der Produktion“, „Additive Fertigung“ und „Montage- und Greiftechnik“ im neu gestarteten Masterstudiengang Produktion sowie im Bachelor Maschinenbau lehren. ... mehr
Mehr lesen

Praxisbeispiele aus dem Bereich Innovation Diese Unternehmen zeigen wie es geht

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 Innovation sensAI, der Fingerabdruck des Materials

Die Wissenschaftler Dr.-Ing. Marco Korkisch und Dr.-Ing. Florian Linscheid aus Augsburg haben eine wegweisende Technologie entwickelt, die eine zerstörungsfreie, kostengünstige und kontaktlose Erfassung von Materialeigenschaften mithilfe von Künstlicher Intelligenz (KI) ermöglicht. ... mehr
Mehr lesen

Praxisbeispiel Innovation Innovative Mitarbeiter – die betriebsinterne Innovationskraft aktivieren!

Die eigenen Mitarbeiter sindeine wertvolle Quelle für innovative Ideen und Optimierungspotenziale. Wiekann dieser Schatz im Unternehmen gehoben werden? ... mehr
Mehr lesen

Aus unserem Themenspektrum Innovation Das könnte Sie auch interessieren

A³ Atlanten für mehr Wissenstransfer Artikel für unsere A³ Atlanten einreichen

Schicken Sie uns bitte Ihr Angebot, Praxisbeispiel oder Expertenvorstellung. Um Ihnen die Bearbeitung möglichst leicht zu machen, haben wir hier ein Formular angelegt, welchen von Ihrer Seite laufend PRO Angebot befüllt werden kann.
Mehr lesen

Produktion der Zukunft Digitalisierung und Industrie 4.0

Transformation, Wandel, Wettbewerbsfähigkeit. Die Region Augsburg würdigt ihre traditionelle industrielle Stärke als nachhaltige und erfindungsreiche Basis für künftige technologische Innovationen in Digitalisierung, Künstlicher Intelligenz oder neuen Geschäftsmodellen.
Mehr lesen

Innovation in A³ Bioökonomie

Neue Werkstoffe sind eine Kernkompetenz von Forschung und Unternehmen im Wirtschaftsraum Augsburg. Innovative Unternehmen und  Forschungseinrichtungen der Region arbeiten daran, aus biogenen Rohstoffen  Zukunftsmaterialien herzustellen. Von biobasierten Kunststoffen und Composite-Werkstoffen ... mehr
Mehr lesen