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 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 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

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: Innovation Every Company is an IT Company

Die Digitalisierung betrifft alle Unternehmen, in allen Branchen. Die Mischok GmbH unterstützt andere Unternehmen mit ihren Serviceangeboten im Softwarebereich. ... mehr
Mehr lesen

Praxisbeispiel: Innovation ForDigitHealth – Forschung zu digitalem Stress

Vier Jahre lang haben die Universitäten Augsburg, Bamberg, Erlangen-Nürnberg, München (LMU) und Würzburg in einem gemeinsamen Forschungsverbund zum gesunden Umgang mit digitalen Technologien und Medien geforscht. ForDigitHealth präsentiert seine Ergebnisse sowohl in wissenschaftlichen Publikationen wie auch einem verständlichen Online-Wegweiser für die Öffentlichkeit. ... mehr
Mehr lesen

Praxisbeispiel: Innovation Lebensdauerprognose für hochzuverlässige Elektronik mittels Machine Learning

In dem Forschungsvorhaben MaWis-KI untersucht und erforscht XITASO zusammen mit den Projektpartner neuartige KI- und Deep-Learning-Ansätze. ... mehr
Mehr lesen

Aus unserem Themenspektrum Innovation Das könnte Sie auch interessieren

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

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