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

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

Angebot Innovation LivingLab für Nachhaltigkeitsinnovationen

Besuchen Sie uns im ELLSI - Education & Learning Lab for Sustainablity Innovations. Was können Sie hier co-kreativ machen? Vom Design4Circularity Prototyping bis zum Erfahren immersiver Transformationsformate alles, und noch mehr! ... mehr
Mehr lesen

Praxisbeispiele aus dem Bereich Innovation Diese Unternehmen zeigen wie es geht

Praxisbeispiel: Wasserstoffbetriebene Nutzfahrzeuge im Portrait hylane: niederschwelliger Einstieg in die Wasserstoffmobilität

Mit einem innovativen Mietmodell und einem vollständig brennstoffzellenbetriebenen Fuhrpark ermöglicht hylane Unternehmen den Zugang zu umweltfreundlichen Nutzfahrzeugen ohne hohe Investitionsrisiken. hylane bietet die Vermietung von wasserstoffbetriebenen LKWs und schweren Nutzfahrzeugen im ... mehr
Mehr lesen

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: Nachhaltiges Wirtschaften Reduzierung von Lebensmittelverschwendung mithilfe Künstlicher Intelligenz

Das Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV tritt gemeinsam mit Partnern aus Forschung und Industrie gegen diese Lebensmittelverschwendung mit dem Projekt REIF ein. Absatz- und Produktionsplanung, Prozess- und Anlagensteuerung können mit Methoden des Maschinellen Lernens optimiert werden. ... mehr
Mehr lesen

Aus unserem Themenspektrum Innovation Das könnte Sie auch interessieren

INNOVATION IN A³ Innovation Hub A³ – Bestens vernetzt

Der Wirtschaftsraum Augburg zeichnet sich durch eine hohe Dichte an Innovationsförderern aus Wissenschaft, angewandter Forschung, Clustern und Netzwerken sowie TechnologieberaterInnen und Wirtschaftsförderern aus. Im Innovation Hub A³ agieren diese Player als intelligentes regionales ... mehr
Mehr lesen

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

INNOVATION IN A³ Wissenstransfer für Unternehmen

Wenn Menschen zusammenkommen, kann Interaktion, Inspiration und Innovation gedeihen. Profitieren Sie von den vielfältigen Optionen und Plattformen des Wissenstransfers in der Region A³ und erfahren Sie, was hier bereits heute möglich ist.
Mehr lesen