Mehrere Fraunhofer-Institute haben im Leitprojekt ML4P eine Lösung entwickelt, mit der die Industrieproduktion durch maschinelles Lernen deutlich effizienter wird.

Presshärteprozess bei der Blechbearbeitung am Fraunhofer IWU in Chemnitz.

16:9

Produktionssystem

Qualitätsmanagement

Künstliche Intelligenz für die Qualitätssicherung

Industrie 4.0

Industrie 4.0 für die Qualitätssicherung

Produktionsmanagement

Produktion

Machine Learning

Datenanalyse

Energieeffizienz

Machine Learning / Künstliche Intelligenz für die spanende Fertigung

Industrie 4.0 für die spanende Fertigung

Machine Learning für die Qualitätssicherung

Projekt ML4P optimiert Effizienz der Industrieproduktion

In der digitalen Produktion kommen Informationen meist aus der Messtechnik, die daher besonders im Fokus der Integration in den digitalen Informationsfluss steht. Diesen Trend haben zwei Initiativen aufgenommen.

Schnittstellen und Modelle für die digitale Produktion

Schnittstellenbasierte Automatisierungszelle

Automatisierungstechnik

Automatisierungszellen

Messtechnik  goes Digital

Nicht nur bei KI besteht die Gefahr, dass bewährte Verfahren ersetzt werden, nur um rechtzeitig auf den Zug aufzuspringen.

Wo sich Machine Learning lohnt

Die MVTec Software GmbH präsentiert zusammen mit AAEON Technology Inc. und der Basler AG ein einfach zu bedienendes Machine-Vision-Bundle mit integrierten Deep-Learning-Technologien.

Das „UP Squared Pro AI Vision Development Kit“ ermöglicht Bildverarbeitungsapplikationen mit easy-to-use Deep Learning Technologien

Bildverarbeitungs-Software

Fertigungsautomation

Bildverarbeitung

Deep Learning

Software

Bildverarbeitung, Machine Vision

Kameras

MVTec, AAEON und Basler bieten gemeinsames Deep-Learning-Bundle

Das All-in-One Embedded-Vision-System IDS NXT ocean von IDS Imaging Development Systems kann mehrere neuronale Netze für mehrere ROI in einem Bild einsetzen.

Die Industriekamera IDS-NXT nutzt künstliche Intelligenz

Bildverarbeitungssysteme

 Softwareupdate und Probemonat für die KI-Trainingssoftware IDS NXT ocean

Christian Els erklärt im Interview, warum eine systematischere Gestaltung der Bewertung KI-basierter Systeme eine wichtige Voraussetzung für einen breiten industriellen Einsatz von KI ist.

stock.Adobe.com, Porträt – © Andrea Janssen

Beruf des Qualitätsmanagers

qz-online.de

„Durch KI sind wir in der Lage, Lösungen für Probleme zu entwickeln, die vorher als un- oder schlecht lösbar galten. “

Die BMW Group hat in Zusammenarbeit mit der Uni Kassel das Konzept Predictive Testing entwickelt, um die Produktqualität mit Deep Learning auf ein neues Level zu heben.

Deep Learning basierte Prüfstrategie für die Automobilindustrie

Messtechnik, Testlösungen, Diagnose

Elektronik

Kfz-Elektronik

KI optimiert Fahrzeugqualität

Das Werk leitet durch die verschiedenen digitalen Möglichkeiten im Qualitätsmanagement und zeigt die jeweiligen Chancen und Risiken auf.

Gernot Freisinger, Oliver Jöbstl,  Bernd Kögler, Jürgen Lipp,  Manfred Strohrmann: Die digitale Transformation des Qualitätsmanagements 464 Seiten, € 49,99, Carl Hanser Verlag ISBN 978-3-446-46884-9

Digitale Transformation

Wirtschaft

Innovationen und neue Technologie

Rechnergestützte Qualitätsmanagementsysteme

Q-Management(system), Strategie

Digitalisierung

Die digitale Transformation des QM

Um Unsicherheiten von Machine Learning in der Produktion zu reduzieren, bündeln das Fraunhofer IPT und das Fraunhofer AISEC ihre Kompetenzen im Entwicklungsvorhaben AIDpro (kurz für Anomaliedetektion in der Produktion).

Cyber Security für die Qualitätssicherung

FQS-Forschungsprojekt AIDpro: Datenqualität durch Prozessdatenvalidierung

Die Ansprüche an künstliche Intelligenz bezüglich Qualitätssteigerung und Prozessverbesserungen sind hoch. Aber wie lassen sie sich realisieren?

Innovationsmanagement

Prozessmanagementmethoden

Prozessmanagement

Jäkel, Claudia

IT-Management

Change Management

Strategie und Organisation

Ursachenanalyse mit KI

IDS zeigt auf der VISION in Stuttgart unter anderem die nächste Evolutionsstufe des KI-Gesamtsystems IDS NXT und die nächste Ausbauphase der uEye Warp10 Kamerafamilie.

IDS NXT: Benutzerfreundliches KI-Vision-Gesamtsystem

Bildverarbeitungskomponenten

Messtechnik

Optische 3D-Messsysteme

Optische Mess- und Prüftechnik

2D/3D-Messtechnik

Geometrische Messtechnik

Messe Vision

VISION 2022: IDS zeigt Neu- und Weiterentwicklungen – 2D, 3D und KI

webbasierte CAQ Lösung mit offener Architektur

Quality Software & Consulting GmbH & Co KG 

https://www.qsc-systems.com

8D-Report

Qualitätsmethoden

APQP / PPAP

Audit / Auditierung

Audit-Software, Auditmanagement

Aufbau CAQ-System

Beratung und Consulting

Dienstleistungen

Aufbau QM-System

Auswerte- und Analysesoftware

Benchmarking

Big Data für die Qualitätssicherung

CAQ (Computer Aided Quality Assurance)

Qualitätssicherung

Dokumentationsmanagement

Dokumentenmanagement, CAQ

Erstbemusterung, Erstmusterprüfbericht

FMEA-Systeme

Fehlermöglichkeits- und -einflussanalyse

Fehlermanagement

Integriertes Management-System

IoT-Plattformen für die Qualitätssicherung

Kennzahlen, Q-Leitstand, Q-Monitor

Kontinuierlicher Verbesserungsprozess

Lieferantenbeurteilung

Management-Beratung

Management-Informationssysteme

Maßnahmenmanagement

Messdatenerfassung, Software

Modulare Q-Informationssysteme

Produktentwicklung(sprozess)

Prüfmittelverwaltung

Prüfmittelüberwachung

Prüfplanung

Prüfpunkte / Bauteilstempel

QDX / Datenaustauschformat

QM im Gesundheits- / Sozialwesen

QM in IT-Projekten

Qualitätskostenrechnung

Qualitätsplanung

Reklamations-, Beschwerdemanagement

Reporting-Tools

Requirement / Anforderungsmanagement

Rückverfolgbarkeit, Traceability

SPC, Statistische Prozesssteuerung

Six Sigma

Software Qualitätsmanagement

Software für Qualitätssicherung

Statistische Methoden

Vorbereitung zur Zertifizierung

Wareneingangs- / -ausgangsprüfung

Workflow- / Prozessmanagement

Die auf der AMB gezeigten digitalen Konzepte auf der AMB helfen der der metallbearbeitende Industrie nicht nur in Hinblick auf Effizienz und Produktivität. Auch bei der Qualitätsplanung und -sicherung ergeben sich neue Möglichkeiten.

Die AMB zeigt: mechanische und elektrische Lösungen werden immer häufiger durch intelligente, digitale Konzepte ergänzt.

Verbände, Institutionen, Messen

Messeveranstalter

Vorbeugende Instandhaltung für die Qualitätssicherung

Aussteller der AMB zeigen digitale Lösungen für die metallbearbeitende Industrie

Die Carl-Zeiss-Stiftung fördert einen Forschungsverbund der Universität Freiburg im Rahmen ihres Programms „Wissenschaftliche Durchbrüche in Künstlicher Intelligenz“.

Durch Methoden des maschinellen Lernens sollen ReScaLe-Roboter Aufgaben von Menschen erlernen, indem sie ihnen vorgeführt werden.

Software / Betriebssysteme / KI

Ingenieurwissenschaften

Carl-Zeiss-Stiftung fördert Forschungsprojekt zu lernenden Assistenzrobotern

KI und Optometron lösen komplexe BV-Aufgaben mit dem Komplettsystem aus der Software VIS-VISION, dem Modul Deep Learning und der Makro-Station.

Mit der Optometron Makro-Station, der Software VIS-VISION und dem Modul Deep Learning lassen sich strukturlos vorliegende Objekte schnell und einfach analysieren.

Analysegeräte

Werkstoffprüfung

Beleuchtungssysteme für die Bildverarbeitung

Längenmesssysteme

Sensoren / Messwertaufnehmer

Mikroskope mit digitaler Bildverarbeitung

Messlupen

Oberflächeninspektion

Form- / Oberflächenmesstechnik

Identifikationssysteme und Komponenten

Hochgeschwindigkeitskameras

Oberflächenmessgeräte

Markiersysteme

Messzubehör

Optoelektronische Bilderkennung, Bildverarbeitungssysteme

Zerstörungsfreie Werkstoffprüfung

Messe Control

VIS-VISION prüft mit KI ungeordnete Objekte extrem schnell

Das Batterie-Kompetenzcluster Intelligente Batteriezellproduktion (InZePro) wird vom KIT koordiniert.

Schnell und kostengünstig, zugleich aber wandlungsfähig und mit hoher Produktqualität: Das sind die Anforderungen an die künftige Produktion von Batteriezellen. Das Batterie-Kompetenzcluster Intelligente Batteriezellproduktion (InZePro) wird vom Karlsruher Institut für Technologie (KIT) koordiniert. Es zielt darauf ab, Produktionssysteme ganzheitlich zu optimieren und sie flexibler hinsichtlich Menge, Format, Material und eingesetzter Technologie zu machen. Gelingen kann dies etwa durch prozessübergreifende, datengetriebene Optimierungsansätze sowie Industrie 4.0-Lösungen.

Batteriezellen müssen am Standort Deutschland künftig in Klein-, Mittel- und Großserie für verschiedenste Anwendungen und Märkte wirtschaftlich herstellbar sein, um den aktuellen Anforderungen gerecht zu werden. Zudem gilt es, innovative Ansätze zu entwickeln, um die Produktivität zu steigern und zugleich die Produktionskosten zu senken. Hier setzt das vom Bundesministerium für Bildung und Forschung (BMBF) mit insgesamt rund 44 Millionen Euro geförderte Kompetenzcluster zur Intelligenten Batteriezellproduktion (InZePro) an.

Die an InZePro beteiligten Forschungsprojekte haben erste Ergebnisse erarbeitet. Die Schwerpunkte lagen dabei auf agiler Anlagentechnik, auf der Digitalisierung einzelner Produktionsschritte und des gesamten Produktionssystems sowie auf virtuellen Produktionssystemen und KI in der Produktion.

Leitfaden für Digitalisierung und Industrie 4.0

Als Handreichung zur Digitalisierung in der Batteriezellfertigung wurden Werkzeugkästen zu den Themengebieten Maschinen- und Anlagentechnik, Prozesstechnik, Planung, Steuerung und Logistik sowie Qualitätsmanagement erstellt. Diese sollen die bereits vorhandenen technischen und organisatorischen Ansätze von Industrie 4.0 in der Batteriezellfertigung bewerten und weiterentwickeln.

Ziel ist es, die systematische Umsetzung von Digitalisierung und Industrie 4.0 in der Batteriezellfertigung zu beschleunigen: Unternehmen sollen damit künftig die Wettbewerbsfähigkeit ihrer Batteriezellproduktion schnell und effizient steigern. Zum Abschluss des Projekts sollen die Ergebnisse in einem Leitfaden zusammengefasst und veröffentlicht werden.

Digitaler Zwilling und Maschinelles Lernen

Zudem wurde beispielsweise gezeigt, dass sich mit einem digitalen Zwilling verschiedene Zukunftsszenarien und deren Auswirkungen auf ein flexibles Batterieproduktionssystem untersuchen und bewerten lassen. Der digitale Zwilling kann hierbei als eine Art betriebsbegleitende Simulation zur Planung und Steuerung verstanden werden.

Auch ein Tracking- und Tracing-Konzept mit verschiedenen Markierungstechnologien von Elektroden wurde erarbeitet. Es trägt dazu bei, dass die Batteriebestandteile über die ganze Prozesskette hinweg zurückverfolgt werden können. Darüber hinaus wurden Ansätze zur Datenstrukturierung und zum Maschinellen Lernen in verschiedenen Projekten entwickelt. Beispielsweise werden Anlagen so ausgestattet, dass sie Abläufe und Muster im Produktionsprozess erkennen und auf Fehler eigenständig reagieren können.

Die Ergebnisse werden von einem Managementkreis begutachtet, der die Projekte begleitet und die enge Zusammenarbeit von Forschung und Industrie gewährleistet. „Durch die aktive Zusammenarbeit in den Projekten decken wir sämtliche Prozessschritte der Lithium-Ionen-Batteriezellproduktion ab. So wollen wir dafür sorgen, dass produzierende Unternehmen, etwa in der Automobilindustrie, ihre Produktivität auch bei schwankender Auftragslage und hoher Produktvarianz steigern, zugleich die Kosten reduzieren und die Produktqualität erhöhen können“, sagt Professor Jürgen Fleischer, Leiter des wbk Instituts für Produktionstechnik am KIT und Vorsitzender des Clusters InZePro.

Details zum wbk Institut für Produktionstechnik am KIT: <b><a href="https://www.wbk.kit.edu/" target="_blank">www.wbk.kit.edu</a></b>

<a href="https://www.bmbf.de/bmbf/de/forschung/energiewende-und-nachhaltiges-wirtschaften/batterieforschung/batterieforschung_node.html" target="_blank">https://www.bmbf.de/bmbf/de/forschung/energiewende-und-nachhaltiges-wirtschaften/batterieforschung/batterieforschung_node.html</a>

<a href="https://www.kit.edu/kit/pi_2021_018_agile-produktion-mehr-als-14-millionen-euro-fur-die-batterieforschung.php" target="_blank">https://www.kit.edu/kit/pi_2021_018_agile-produktion-mehr-als-14-millionen-euro-fur-die-batterieforschung.php</a>

<b><a href="https://www.qz-online.de/news">zur Newsübersicht</a></b>

Karlsruher Institut für Technologie (KIT)  

https://www.kit.edu

Optimierung des Kalandrierprozesses (Einstellung der Eigenschaften von Batterieelektroden) mit Methoden des Maschinellen Lernens.

2021-12-17 KIT-Intelligente Batterizellenproduktion

Im Kompetenzcluster InZePro arbeiten etwa 200 Wissenschaftlerinnen und Wissenschaftler aus 28 deutschen Forschungseinrichtungen. Beteiligt sind vier Institute des KIT, vier Institute der TU Braunschweig, drei Institute der RWTH Aachen, zwei Institute der TU München, die Universität Bayreuth, die Hochschule Landshut, die TH Aschaffenburg, das Helmholtz-Institut Ulm, das Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden Württemberg und zehn Institute der Fraunhofer Gesellschaft. Das Cluster wird noch bis 2023 gefördert.