Menü

FQS unterstützt Forschungsprojekt des WZL der RWTH Aachen und der Universität São Paulo

Viele Unternehmen verlagern heutzutage ihre Produktionsstandorte ins Ausland. Dies bringt Herausforderungen, wie beispielsweise länderspezifisch variierende Qualifikationsniveaus der Arbeitskräfte, mit sich. Wie können diese Unternehmen dennoch ein hohes Qualitätsniveau gewährleisten? Dieser Frage widmet sich das von der Forschungsgemeinschaft Qualität e. V. (FQS) geförderte internationale Forschungsprojekt „Augmented Intelligence based Quality Assurance of Assembly Tasks in Global Value Networks“ (AuQuA). An der Kooperation beteiligt sind das Werkzeugmaschinenlabor (WZL) der RWTH Aachen, die Mechatronik-Gruppe der Universität São Paulo sowie Prof. Sanderson Barbalho von der Universidade de Brasília. Entwickelt wird ein intelligentes Montageunterstützungssystem, das mithilfe von Augmented Reality automatisiert Montageanleitungen für Arbeiter anfertigt und verbessert.

Ziel des Projektes ist, „die Qualität einer Produktion standort- sowie mitarbeiterqualifikationsunabhängig auf ein gleichbleibend hohes Niveau zu elevieren und kontinuierlich mit Methoden der Künstlichen Intelligenz zu verbessern“, so Prof. Robert Schmitt, Direktor des WZL.

Die FQS wird in den zwei Jahren, auf die das Projekt ausgelegt ist, koordinativ und beratend agieren. Im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsordnung und der Collective Research Network (CORNET) Initiative wird das Projekt unter der Nummer 273 EN durch das Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestags gefördert.

Weitere Informationen zum Projekt finden Sie hier».

Was ist Künstliche Intelligenz?

Künstliche Intelligenz

Künstliche Intelligenz (KI) und Big Data sind Schlagwörter, die aktuell in Fachmedien sehr präsent sind. Doch was genau ist eine KI und wofür wird sie eingesetzt? Welche Verbindung besteht zwischen Big Data und KI?

Dieser Beitrag stellt die grundlegende Funktionsweise von KI vor. Es werden Beispiele für KI im Alltag, sowie Möglichkeiten der Anwendung von KI in Wertschöpfungsnetzwerken aufgezeigt und welche Verbindung zwischen KI und Big Data besteht. (mehr …)

Voraussagende Instandhaltung mit der Digitalen Maschinenakte

Ein bedeutendes Qualitätsmerkmal von Produktionsmaschinen ist deren Verfügbarkeit, gerade bei investitionsintensiven Anlagen. Die Wahl einer wirtschaftlichen Instandhaltungsstrategie steht dagegen im Spannungsfeld zwischen Produktionsausfällen auf der einen und Instandhaltungsaufwendungen auf der anderen Seite. Voraussagende Instandhaltung verspricht einen Ausweg aus diesem Zielkonflikt, sofern sich die Maschinenzustände prognostizieren lassen.

In hochautomatisierten Anlagen ist es jedoch häufig nicht möglich, mit analytischen Mitteln von den technischen Eingangsdaten auf den Maschinenzustand zu schließen. Bestehende Abhängigkeiten in den Daten bleiben dabei möglicherweise unberücksichtigt. Daneben verfügen Unternehmen häufig nicht über einen ausreichend großen Datenbestand, um aussagekräftige Analysen durchzuführen.

Vor diesem Hintergrund wurde am IPH und am BIMAQ gemeinsam die Digitale Maschinenakte (DMA) entwickelt.

Die DMA kombiniert einen unternehmensübergreifenden Datenaustausch mit Methoden der Künstlichen Intelligenz (KI) und sagt Anlagenzustände voraus.

Anlagenhersteller erhalten damit die Möglichkeit, durch eine voraussagende Instandhaltungsstrategie gemeinsam mit Ihren Kunden die Instandhaltungsqualität ihrer Anlagen zu verbessern. Durch die Kombination von KI und Datenaustausch kann das Ausfallverhalten von Anlagen ohne aufwändige, explizite Modellierung erlernt werden.
Die Digitale Maschinenakte wurde für mechanische Komponenten in der Papierweiterverarbeitungsindustrie erprobt und als Software-Demonstrator realisiert.