Ausgangssituation

In aktuellen Produktionssystemen werden täglich große Mengen an Daten erzeugt und gesammelt. Viele der historischen Daten können nützliche Informationen enthalten, welche durch ML entdeckt werden können. Wie man diese Daten für die Produktion, insbesondere für das Shopfloor Management, nutzen kann, ist die Fragestellung dieses Forschungsprojekts. Derzeit bieten sowohl Data Science als auch künstliche Intelligenz (KI) Möglichkeiten, den potenziellen Wert von Daten zu erschließen. Vielen Unternehmen fehlt jedoch das entsprechende Wissen, um diese Daten zur Lösung praktischer Probleme zu nutzen. Darüber hinaus bereitet die Qualität der Daten selbst einige Schwierigkeiten bei der Implementierung von ML.

Zielsetzung

Ausgehend von der aktuellen Situation zielt das Projekt RaisQ darauf ab, Daten aus Produktions-, Test- und Nacharbeitsprozessen zur Analyse und Vorhersage zu nutzen. Dies kann dazu beitragen, den Menschen im Produktionsprozess Entscheidungshilfen zu geben und so die Nacharbeits- und Fehlerkosten von Fertigungsunternehmen zu reduzieren. Zunächst muss SIA in der Lage sein, den Prozess der Datenbereinigung und Datenaufbereitung für verschiedene Datentypen in unterschiedlichen Formaten zu automatisieren. Dann muss SIA KI-Algorithmen einsetzen, um auf Basis der vorhandenen Daten Empfehlungen für den Nacharbeitsprozess zu geben. In Anbetracht der Tatsache, dass die Qualität der Daten einen großen Einfluss auf die Ergebnisse hat, spielt auch Natural Language Processing (NLP) eine wichtige Rolle bei SIA, um Textdaten zu verarbeiten. Mit einer besseren Datenqualität können genauere Empfehlungen gegeben werden, um die eigentliche Produktion besser zu unterstützen.

Vorgehensweise

Zu Beginn des Projekts werden die Anwendungsfälle gemeinsam mit den Partnern unter Berücksichtigung der aktuellen Daten und des tatsächlichen Bedarfs definiert. Basierend auf dem entworfenen Prototyp von SIA, wird das spezifische Framework für jede Anwendungsfall für die praktische Umsetzung standardisiert. In der Implementierungsphase dieses Projekts wird SIA als wichtiger Bestandteil des Digital Teamboard von SFM Systems in der realen Produktionslinie von MAN Truck & Bus getestet. Basierend auf den Ergebnissen der Tests wird die Leistung von SIA verbessert und weitere Szenarien entsprechend der Nachfrage entwickelt. Verschiedene NLP-Methoden werden auch für die Textdatenbereinigung entwickelt. Nach der Bewertung der Leistung von SIA wird SFM Systems SIA von einem Prototyp zu einem Produkt weiterentwickeln und schließlich als Cloud Software-as-a-Service (SaaS) anbieten.

Danksagung

Dieses Projekt wird durch das EIT Manufacturing gefördert. Wir danken für die Möglichkeit dieses Projekt bearbeiten zu dürfen.

Fördergeber