Datenbasierte Prozessparameterauswahl mittels KI-Auswertung
Projektziele & Projektergebnis
Umsetzung projekt in den Bereichen „Produktion“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung der Entscheidungsqualität, des Innovationsgrades und von Prozessen.
Es wurde ein Vorgehen entwickelt und prototypisch umgesetzt, welches auf Grundlage historischer Produktions- und Prozessdaten trainiert wurde, um dem Bediener Anpassungsvorschläge für aktuelle Prozessparameter vorzuschlagen.
Gesamtprojekt
Top Erkenntnisse aus dem Projekt
Ausgangslage
Zentrale Fragestellungen im Projekt
- Lassen sich bereits erkannte Wirkzusammenhänge zwischen Einflussvariablen bestätigen und womöglich neue Zusammenhänge erkennen?
- Wie lassen sich die Prozessdaten mit unterschiedlichen Formaten und Abtastraten im gleichen Modell berücksichtigen?
- Welche Arten von Modellen kommen zur Vorschlagsgenerierung infrage?
Projektdetails
Die Innenbeschichtung von Aerosoldosen erfolgt aktuell mit manuell eingestellten Prozessparametern. Die maschinenbedienenden Personen achten stichprobenartig auf die Qualitätsmerkmale der Lackschicht und reagiert auf Veränderungen mit Prozessparameteranpassungen, die auf Erfahrungswissen basieren. Dies birgt Herausforderungen, wie die aufwendige Ausbildung , die Abhängigkeit vom Erfahrungswissen sowie die zeitintensive Prozessbetreuung.
Das Projektziel ist die Optimierung des Beschichtungsprozesses durch den Einsatz von KI-basierten Vorschlägen zur Parametereinstellung. Hierdurch kann der Schulungsaufwand für Mitarbeitende reduziert und die Prozessbetreuung optimiert werden. Zusätzlich kann unnötiger Ausschuss durch fehlerhafte Maschinenparameter verhindert werden, da schon während der Produktion Tendenzen erkannt und Anpassungen frühzeitig vorgenommen werden können, ohne den finalen Qualitätstest abwarten zu müssen.
Im ersten Projektabschnitt werden die zur Verfügung stehenden historischen Sensor- und Prozessdaten analysiert und für die Verarbeitung mittels KI vorbereitet. Darüber hinaus erfolgt über Methoden des Feature-Engineerings eine Überprüfung, inwieweit der Datensatz zusammengefasst werden kann, um die spätere Performance zu optimieren und schnell Parametervorschläge zu generieren. Der zweite Projektabschnitt befasst sich mit der eigentlichen Generierung der Einstellvorschläge. Zunächst wird eine Qualitätsdatenvorhersage implementiert, um den Zusammenhang zwischen Prozessvariablen und Qualitätsdaten abzubilden. Dazu wird ein Regressionsmodell trainiert, welches auf Basis der vorverarbeiteten Prozessdaten die Qualitätsmerkmale der Lackschicht prognostiziert. Anschließend wird über eine Einflussanalyse der Eingangsparameter eine Erklärbarkeit des gebildeten Modells und die Empfehlung von Parameteränderungen ermöglicht.
