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

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

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

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 Zwei Design Awards für die Siegmund Schweißzelle

Die Bernd Siegmund GmbH aus Oberottmarshausen im Landkreis Augsburg wurde gleich zweimal für ihre im letzten Jahr vorgestellte Schweißzelle prämiert: mit dem Red Dot Design Award und dem iF Design Award. ... mehr
Mehr lesen

Praxisbeispiel: Wasserstoffbetriebene Nutzfahrzeuge im Portrait MAN und die grüne Mobilität von Morgen

MAN setzt auf batterieelektrische LKWs -  für besondere Anwendungsfälle wurden wasserstoffbetriebene LKWs entwickelt.    Die Dekarbonisierung spielt eine zentrale Rolle für MAN Trucks & Buses, die im Zuge dessen hauptsächlich auf batterieelektrische LKWs setzen. Allerdings erkennt das ... 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

Aus unserem Themenspektrum Innovation Das könnte Sie auch interessieren

kommerzielle Angebote finden Beraterplattform A³

Hier finden Sie kostenpflichtige oder kostenlose Angebote aus den Bereichen Arbeitgeber, Fachkräfte, Immobilien, Innovation und Nachhaltiges Wirtschaften. Über "Suche verfeinern" können Sie dies filtern lassen.
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

Materialkompetenz in A³ Material & Ressourcen

Neue Materialien können bahnbrechende Innovationen ermöglichen. Aber wie ermittelt und bewertet man bei neuen Materialien Funktionseigenschaften, Belastbarkeit, Wirtschaftlichkeit, Ressourcenverbrauch, Materialrisiken und Recyclingfähigkeit gleichermaßen zuverlässig? Im Wirtschaftsraum ... mehr
Mehr lesen