nach oben
Meine Merkliste
Ihre Merklisteneinträge speichern
Wenn Sie weitere Inhalte zu Ihrer Merkliste hinzufügen möchten, melden Sie sich bitte an. Wenn Sie noch kein Benutzerkonto haben, registrieren Sie sich bitte im Hanser Kundencenter.

» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.
Ihre Merklisten
Wenn Sie Ihre Merklisten bei Ihrem nächsten Besuch wieder verwenden möchten, melden Sie sich bitte an oder registrieren Sie sich im Hanser Kundencenter.
» Sie haben schon ein Benutzerkonto? Melden Sie sich bitte hier an.
» Noch kein Benutzerkonto? Registrieren Sie sich bitte hier.

« Zurück

Ihre Vorteile im Überblick

  • Ein Login für alle Hanser Fachportale
  • Individuelle Startseite und damit schneller Zugriff auf bevorzugte Inhalte
  • Exklusiver Zugriff auf ausgewählte Inhalte
  • Persönliche Merklisten über alle Hanser Fachportale
  • Zentrale Verwaltung Ihrer persönlichen Daten und Newsletter-Abonnements

Jetzt registrieren
Merken Gemerkt
30.03.2020

Qualitätsvorhersage per App

Moderne Maschinensteuerungen liefern viele Daten über den Fertigungsprozess, aber erst die spezialisierte Datenauswertung ermöglicht einen tiefergehenden Einblick. Dadurch können nützliche Informationen und Optimierungspotenziale extrahiert und der Prüfaufwand reduziert werden.

Das Team des Forschungsprojektes oraKel (© WZL)

Die Produktqualität lässt sich dabei mit mathematischen Modellen aus den Prozessdaten vorhersagen. Diese Modelle von Hand zu erstellen ist nicht nur zeitintensiv, sondern erfordert auch ein umfassendes Wissen über den Fertigungsprozess.

Machine Learning und neuronale Netze

Neue Entwicklungen im Bereich Data Science machen es jetzt möglich, diese Modelle aus den Prozessdaten automatisiert zu ermitteln. Hierfür werden Machine-Learning-Verfahren wie neuronale Netze eingesetzt. Neuronale Netze lernen aus der Datenbasis und können anschließend für die Vorhersage der Produktqualität und zur Fehler-Ursachen-Analyse eingesetzt werden. In kleinen und mittleren Unternehmen (KMU) fehlen jedoch oft das erforderliche Wissen und die notwendigen Ressourcen, um Machine-Learning-Verfahren erfolgreich einzusetzen. KMU bleiben deshalb große Potenziale zur Prozessverbesserung und Fehlerbehebung verwehrt.

Speziell für KMU

Um diese Lücke zu schließen, ist im Februar 2020 am Werkzeugmaschinenlabor WZL der RWTH Aachen das auf zwei Jahre angesetzte Projekt oraKel in Kooperation mit Unternehmen aus unterschiedlichen Branchen gestartet. Im Rahmen des Projektes beschäftigt sich der Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement unter der Leitung von Prof. Robert H. Schmitt mit der Entwicklung von auf neuronalen Netzen basierenden Algorithmen zur automatisierten Qualitätsvorhersage und Fehler-Ursachen-Analyse in der Produktion. Hauptziel ist die Umsetzung einer App, die eine Qualitätsvorhersage über neuronale Netze ermöglicht.

Das Projekt oraKel wird durch die AiF und den FQS Forschungsgemeinschaft Qualität e. V. gefördert. Bei der Erforschung der Algorithmen sowie der Entwicklung der App wird der Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement von einem projektbegleitenden Ausschuss aus Industriepartnern unterstützt, die im Bereich der Beratung, der Bereitstellung von CAQ-Software sowie der Produktion tätig sind.

Redaktion QZ
qz <AT> hanser.de

WZL der RWTH Aachen

Unternehmensinformation

RWTH Aachen Werkzeugmaschinenlabor WZL

Campus-Boulevard 30
DE 52074 Aachen
Tel.: 0241 80-27400
Fax: 0241 80-22293

DNV GL Business Assurance [Anzeige]

Kostenloser Download

  • 5 Schritte zu einem nachhaltigen Prozessmanagement

  • Prozessreifegrad Assessments

  • Self-Assessment BPM

Jetzt kostenlos downloaden!