Künstliche Intelligenz zur Analyse und Optimierung von Fertigungsprozessen

Wie kann man mit künstlicher Intelligenz die Herstellung von Stahlrohren verbessern? Um diese Frage auf den Grund zu gehen, hat adesso die Firma Vallourec dabei unterstützt, den Einfluss zentraler Fertigungsprozessparameter auf den Rohrdurchmesser zu untersuchen – tatsächlich sind die Materialeigenschaften und Rohrdurchmesser nämlich erst nach Ende des Fertigungsprozesses im kalten Zustand feststellbar. Durch die gewonnenen Erkenntnisse soll in Echtzeit in den Prozess eingegriffen werden, um die Produktqualität zu verbessern und gleichzeitig die Produktivität zu steigern.

Verbesserung der Produktqualität

Durch die frühzeitige Identifizierung fehlerverursachender Parameter kann die Genauigkeit bei der Produktion erhöht werden. Fehlproduktionen werden vermieden und Kosten entsprechend reduziert.

Vereinheitlichung von Maschinendaten

Durch den plattform-agnostischen Prozess werden die Maschinendaten vereinheitlich – das spart Zeit und vereinfacht die Datenanalyse. Dies ermöglicht Optimierungen im Produktionsprozess.

Erhöhung der Produktivität

Durch Reduktion manueller Qualitätskontrollen kann produktiver gearbeitet werden.

• Überwachung und Verbesserung der Produktionsprozesse
• Identifizierung fehlerverursachender Parameter
• Vereinheitlichung von Maschinendaten

• Orientierung am Cross-Industry-Standard-Process-for-Data-Mining-Vorgehensmodell (kurz: CRISP-DM)
• Workshops mit den Kunden
• Enge Feedbackloops mit dem Fachexperten der Kunden
• Festlegung messbarer Projektziele zur Bewertung der Modellqualität

• Datenspeicherung auf Microsoft Azure
• Moderne Machine-Learning Python-Frameworks
• Erklärbarkeit der Machine-Learning-Modelle via “SHAP” (Shapley Additive exPlanations)

• Zusammenführung und Vereinheitlichung von Maschinen- und Messdaten aus verschiedenen Quellen auf Basis einen plattform-agnostischen Prozesses
• Analyse der Daten unter Verwendung moderner Machine-Learning-Verfahren und -Frameworks
• Erstellung eines Prognosemodells des Fertigungsresultats auf Basis der Maschinenparameter und Messwerte