Manuelle Einstellungen von Laserprozessen in Werkzeugmaschinen hängen von der Genauigkeit und Erfahrung des Maschinenbedieners ab. Mit künstlicher Intelligenz sind lernfähige Anwendungen möglich, die diese Prozesse automatisiert optimieren.
Das Problem: Schwankende Qualität in der Herstellung
Sensoren sind elektronische Produkte, bei deren Herstellung komplexe High-Tech-Laserprozesse zum Einsatz kommen. Pro Charge muss dieser Produktionsprozess neu justiert und optimiert werden, da die Qualität der verwendeten Materialien schwankt.
Bei JUMO, einem Hersteller für Automations- und Sensorlösungen mit Stammsitz in Fulda, war dies bislang Aufgabe des Maschinenführers. Welche Einstellung gewählt wird, ist abhängig von der Erfahrung des jeweiligen Mitarbeiters. Er kennt die unterschiedlichen Anforderungen und die Reaktion der Maschine darauf.
Durch Personalwechsel oder Krankheit kann es dazu kommen, dass ein weniger erfahrener Bediener die Maschine einstellen muss. Die Folge sind Qualitätsunterschiede der produzierten Sensoren.
Die Lösung: Intelligente Automatisierung
Um die Ausbeute hochwertiger Sensoren zu steigern, nutzt JUMO die intelligente Automatisierung auf der Basis von künstlicher Intelligenz. Hierbei kommt ein spezielles Imputationsverfahren zum Einsatz. Das bedeutet, dass durch Analyse des Ausgangsmaterials und Machine Learning bereits innerhalb einer Charge Optimierungen am Produktionsprozess vorgenommen werden können. Der Ansatz bezieht neue Informationen automatisch mit ein und optimiert das Vorhersagemodell nach jeder Sensorcharge.
Die Anwendung der intelligenten Automatisierung steht und fällt dabei mit der Verfügbarkeit und Güte der Daten. Sprich, nur wenn gut aufbereitete Daten in großer Menge auf modernste Machine Learning Methoden angewandt werden, kann das volle Potenzial der KI ausgeschöpft werden.
Für diese Verknüpfung von Internet of Things und Künstlicher Intelligenz zu einer Artificial Intelligence of Things (AIoT) hat sich IoT-Pionier Device Insight mit dem schwedischen KI-Spezialisten Sentian zusammengetan. Gemeinsam begleiten sie Unternehmen auf dem Weg zu einer intelligenten Produktion – weg von Einzellösungen und punktuellen Verbesserungen, wie sie beispielsweise mit Predictive Maintenance möglich sind, hin zu einer ganzheitlich optimierten Smart Factory.
