MetaLearn – KI zur Entscheidungsunterstützung bei der Parametrierung von Produktionsprozessen von komplexen kundenindividuellen Spezialprodukten mit kleinen Serien

Die Herausforderungen für die Herstellung hochwertiger kundenspezifischer Produkte sind groß. Die Stückzahlen bei Spezialprodukten sind in der Regel gering, gleichzeitig ist die spezifische Anpassung der Produktion aufwändig. Die Minimierung von Rüstzeiten und die Vermeidung von Qualitätsmängeln sind entscheidende Stellschrauben der Produktionskosten sowie der Fertigungsdauer. Die Herausforderung für die Unternehmen liegt in der Komplexität des Produktionsprozesses, die von vielen Faktoren beeinflusst wird und deren Wirkzusammenhänge bislang nur unvollständig verstanden sind.

MetaLearn nutzt Künstliche Intelligenz (KI), um diese Zusammenhänge und Abhängigkeiten auf Basis der verfügbaren Daten (geometrische Bauteilmaße, Materiallegierungen, Maschineneinstellungen, Raumtemperatur, Werkstücktemperaturen, etc.) zu erkennen und Verbesserungen in der Parameterkombination abzuleiten. Rüstzeiten werden dadurch kürzer und die Qualität steigt. So kann bspw. mit Hilfe von Bilderkennung der Werkzeugverschleiß diagnostiziert werden, welches eine hohe Produktqualität garantiert und die optimale Nutzung der Werkzeuglebensdauer ermöglicht. In der Werkzeugproduktion beeinflussen Legierung, Form und Maschinenparameter die Rüstzeit maßgeblich. Ziel des Projekts ist es daher, Verfahren der KI für kleine Datenmengen auf diese Problemstellung zu übertragen und im Rahmen zweier exemplarischer Anwendungsfälle in verschiedenen Sektoren (Spezialwerkzeuge und Getriebe) anzuwenden.

Weiterführende Informationen & Quellenangabe (Stand: 07/2024):
ESB Business School - MetaLearn Projekt

Additional information

Projektlaufzeit

August 2021 bis Dezember 2024

Anwendungsbranche

Industrie

Phase im Wissensmanagement

Wissen erzeugen + Wissen speichern + Wissen verteilen + Wissen anwenden

Forschungsziel

Automatisiertes Machine-Learning zur Erstellung von KI-Modellen

Lösung

Zielgruppengerechter Wissenstransfer über Lehrveranstaltungen und Methodenkoffer