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

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 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

Elektronik

Kfz-Elektronik

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

Messtechnik

Werkstoffprüfung

Bildverarbeitungskomponenten

Beleuchtungssysteme für die Bildverarbeitung

Längenmesssysteme

Sensoren / Messwertaufnehmer

Mikroskope mit digitaler Bildverarbeitung

Optische Mess- und Prüftechnik

Messlupen

Oberflächeninspektion

Form- / Oberflächenmesstechnik

Identifikationssysteme und Komponenten

Hochgeschwindigkeitskameras

Oberflächenmessgeräte

Markiersysteme

Messzubehör

Optoelektronische Bilderkennung, Bildverarbeitungssysteme

Zerstörungsfreie Werkstoffprüfung

Messe Control

qz-online.de

VIS-VISION prüft mit KI ungeordnete Objekte extrem schnell

Mit dem Gelenksystem von dk werden nicht nur Prüfteile fixiert, sondern auch Kameras, Beleuchtung und Sensoren sicher in Position gehalten.

Der Gerätehalter fixiert nicht nur Prüfteile , sondern hält auch die Kameras, Beleuchtung und Sensoren dauerhaft sicher in Position.

Spanntechnik

Gelenksystem zur Positionierung von Machine-Vision-Komponenten

Die MVTec Software GmbH, ein internationaler Software-Anbieter für die industrielle Bildverarbeitung, veröffentlicht im kommenden Oktober Merlic 5, die neue Version ihrer All-in-One-Bildverarbeitungssoftware. Mit der easy-to-use Software können komplette Machine-Vision-Anwendungen schnell und einfach erstellt werden.

MVTec launcht MERLIC 5 und bringt Deep Learning in easy-to-use Software

20:7

All-in-One-Bildverarbeitungssoftware

Messe Vision

MVTec launcht Merlic 5

Ein Interview mit Prof. Dr.-Ing. Randolf Hanke, Institutsleiter am Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP und stellvertretender Institutsleiter am Fraunhofer-Institut für Integrierte Schaltungen IIS/EZRT, über die Auswirkungen und Chancen der Digitalisierung in der Zerstörungsfreien Prüfung.

Prof. Dr. Randolf Hanke, Geschäftsführender Institutsleiter Fraunhofer IZFP, Saarbrücken

Auswirkungen und Chancen der Digitalisierung

Werkstoff-Prüfstände

Die Zukunft der Zerstörungsfreien Prüfung

Die Additive GmbH hat in der Version 21.1. der Minitab-Software die Funktionalität und die Palette an statistischen Methoden und grafischen Werkzeugen erweitert.

Die 64-Bit-Software Minitab mit optimierter Benutzeroberfläche und verbesserten Visualisierungen überzeugt mit Version 21.1 mit weiteren Neuerungen.

Softwareentwicklung

Neue Version 21.1 der Statistiksoftware Minitab

Kann Technologie der Schlüssel zur Optimierung des Qualitätsmanagements sein? Im Rahmen einer Studie haben sich die Boston Consulting Group (BCG), die American Society for Quality (ASQ) und die Deutsche Gesellschaft für Qualität (DGQ) mit dieser Frage beschäftigt.

Eine Studie zeigt die Meilensteine auf dem Weg zu Qualität 4.0

Digitale Transformation

Wirtschaft

Innovationen und neue Technologie

Qualität 4.0 erfordert mehr als pure Technologie

Drei Standorte, ein Ziel: die digitale Transformation. In Vorbereitung darauf hat das internationale Prozessindustrie-Unternehmen Kuraray seine Prozesse, Strukturen und vieles mehr mithilfe des Industrie 4.0 Maturity Index auf Herz und Nieren geprüft.

Industrie 4.0 Maturity Index als Basis für die digitale Transformation

Reifegrad / CMMI / Spice

Alle Hausaufgaben gemacht

Cyber Security hat in einer digital-vernetzten, mit dem Internet verbundenen Fertigung höchste Priorität. Prinzipiell kann jede Maschine zum Ziel einer Cyber-Attacke werden, wenn sie nicht geschützt ist. In dieser Serie erfahren Sie, worauf Sie achten sollten, um Ihre Produktion zu sichern.

Cyber Security für die Qualitätssicherung

Cyber Security in Industrie 4.0 (Teil 3)

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.