Anzeige

Anomalien und Fehler früh erkennen

Bild: ©greenbutterfly/stock.adobe.com

Die Beteiligten der deutsch-tschechischen Forschungskooperation Aiquama (AI-based Quality Management for Smart Factories) streben eine Null-Fehler-Produktion auf Grundlage inkrementeller Qualitätsüberwachung echtzeitnah während der Produktion an. Dies soll durch die Auswertung von Multi-Sensor-Datenströmen mit künstlicher Intelligenz geschehen. Die Beteiligten wollen dabei auf eine Kombination aus symbolischen Modellen und statistischem maschinellem Lernen auf der Grundlage von realen, aber auch synthetischen Trainingsdaten setzen. Um qualitätsbezogene Fehler im Vorfeld zu vermeiden, soll eine intelligente Online-Planungskomponente so erweitert werden, dass auch qualitätsbezogene Parameter bei der Planerstellung und Aufgabenzuweisung bestmöglich berücksichtigt werden können. So kommt es insbesondere bei manuellen Montage- oder Bearbeitungsprozessen oder bei Arbeitsschritten, die in hybriden Teams von Menschen und kollaborativen Robotern durchgeführt werden, oft zu Fehlern, etwa ein Griff der Werker in die falsche Materialkiste oder zum falschen Werkzeug bei einer manuellen Montageaufgabe. Durch unterschiedliche Sensorik sollen Fehler im Produktionsablauf nun aber früher als bisher erkannt und so behoben werden können. Für die technische Umsetzung greifen die Partner auf die in der BaSys-Projektreihe entwickelte standardisierte Industrie-4.0-Architektur mit Verwaltungsschalen zurück und nutzen dabei die Open-Source-Middleware BaSyx sowie quelloffene Ergebnisse aus ihrem Ökosystem.

Dt. Forschungszentrum für künstl. Intelligenz

Dieser Artikel erschien in IT&Production 10 (Dezember) 2022 - 15.12.22.
Für weitere Artikel besuchen Sie www.it-production.com