Blog abonnieren

Wie Sie mit KI auch bei kleinen Losgrößen die Qualität Ihres Produkts sicherstellen

Es stimmt: Die Algorithmen der Künstlichen Intelligenz benötigen Massendaten. Daraus aber zu folgern, dass KI-Methoden zur Sicherstellung der Produktionsqualität von Einzelfertigungen oder kleinen Losgrößen nicht geeignet wäre - das wiederum wäre ein Trugschluss!

Denn genau das leistet das Machine-Fingerprint-Verfahren. Der Machine Fingerprint bündelt das aktuell verfügbare Wissen zu einer Produktionsmaschine, über das ihr Zustand ermittelt werden kann. Als Datensammlung ähnelt er einem genetischen Fingerabdruck, der den Normalzustand definiert. Und durch Vergleich mit diesem Normalzustand kann die Produktionsqualität vorhergesagt werden.


ai_wp_machine-fingerprint_de_cover_800x800

 

Erfahren Sie alle Details in unserem White Paper: Machine Fingerprint – KI-Diagnose von Individuen

Jetzt herunterladen

 

 


Was ist Machine Fingerprinting?

Neue Maschinen sind in der Regel so gut mit Sensoren ausgestattet, dass eine KI-basierte Zustandsüberwachung möglich ist. Sind die Produktionsbedingungen stabil, lässt sich dazu das Condition-Monitoring-Verfahren verwenden. Dabei werden während des Produktionsprozesses die Sensordaten kontinuierlich ausgewertet und mit den gelernten Datenmustern verglichen. Ein Abweichen von diesen Mustern kündigt eine Qualitätsverschlechterung an. Korrigierende Maßnahmen können dann eingeleitet werden, noch bevor Ausschuss produziert wird.

Allerdings bietet sich dieses Verfahren nicht für heterogene Produktionsumgebungen an, wo in kleinen Losgrößen ganz unterschiedliche Serien gefertigt werden. Je nach Werkstück und zu verarbeitendem Material verhält sich die Maschine unterschiedlich. Ein Trainieren der KI mit Daten aus der laufenden Produktion ist aufgrund dieser ständig wechselnden Rahmenbedingungen nicht möglich.

Hier schafft Machine Fingerprinting Abhilfe. Dabei werden gleich bei der Inbetriebnahme der Maschine in der Werkhalle im Rahmen von mehreren standardisierten Testläufen eine Vielzahl von Daten erhoben, um den Normalzustand der Maschine zu erfassen. Anschließend werden die laufenden Produktions-Jobs immer wieder durch Testläufe unterbrochen und damit der aktuelle Zustand der Maschine gemessen. Der Vergleich mit dem anfangs gelernten Normalzustand liefert dann die Diagnose, ob und wie weit sich der Zustand der Maschine verschlechtert hat.

ai_wp_machine-fingerprint_de_schaubild_ausreissererkennung

Die Analyse zeigt im Vergleich zur Referenzmessung einen leichten Anstieg des Verschleißes der beiden unteren Achsen. Die gelb markierten Ausreißer liegen noch in einem unkritischen Bereich (dem sogenannten Toleranzbereich, blau markiert) müssen aber beobachtet werden, um einen Ausfall der Maschine zu vermeiden.

Weshalb Machine Fingerprinting?

Wenn man den wartungsbedürftigen Zustand der produzierenden Maschinen automatisch erkennen kann, bevor diese Ausschuss produzieren, kann man

  • die Produktionsqualität erhöhen,
  • Ausschuss vermeiden,
  • die Werkstückkosten senken
  • und somit den Ertrag steigern.

Die Nutzung von Machine Fingerprinting liefert also einen unmittelbaren Beitrag für das Geschäftsergebnis des produzierenden Unternehmens.

Das wiederum versetzt den Hersteller der Produktionsmaschinen in die Lage, mit Machine Fingerprinting einen digitalen Service anzubieten, der die Attraktivität seiner Produkte erhöht und ihm außerdem zusätzlichen Umsatz im Servicegeschäft liefert.

Welche Erfolge sind zu erwarten?

Sie machen mehr aus Ihrer Maschine

Machine Fingerprinting ermöglicht eine zustandsorientierte Wartung und steigert damit die Maschinenverfügbarkeit. Da das einzelne Asset so mehr produziert, sinken die Werkstückkosten und die Gesamtanlagenproduktivität steigt. Als Ausstattungsmerkmal oder separat angebotene Dienstleistung erhöht das Machine Fingerprinting die Attraktivität der Maschine. Hersteller punkten gegenüber ihren Kunden und erwirtschaften einen höheren Umsatz.

Sie haben länger etwas von Ihrem Baby

Die zustandsorientierte Wartung vermeidet nicht nur ungeplante Stillstände, sie führt auch zu einem pfleglicheren Umgang mit der Maschine und damit zu einer höheren Lebensdauer: Da Schäden durch Verschleiß früh erkannt werden, können sich diese nicht auswachsen.
Sie wirken teuren Reparaturen entgegen, indem Sie Teile rechtzeitig austauschen.

Sie wissen, was in ihr vorgeht

Machine Fingerprinting und die KI-basierte Analyse der Testläufe vermitteln Ihnen ein sehr genaues Bild des Zustands ihrer Maschinen. Sie verfügen über umfassendes Datenmaterial – ganz ohne Demontage und Montage für aufwendige Messungen. Informationen wie die Zustandshistorie und nachweisbare Ergebnisse mit Kenngrößen lassen sich für weitere Zwecke verwenden. Predictive Maintenance, die vorausschauende Wartung, lugt schon um die Ecke.


ai_wp_machine-fingerprint_de_cover_800x800

 

Erfahren Sie alle Details in unserem White Paper: Machine Fingerprint – KI-Diagnose von Individuen

Jetzt herunterladen

 

 

Martin Landis

Martin Landis

Martin Landis startete seine berufliche Laufbahn als Software-Entwickler und kam 1999 zur USU. Dort war er zunächst als Projektleiter und später als Business Unit Manager für die Implementierung von USU-Lösungen bei vielen namhaften Kunden verantwortlich. Danach folgten die Positionen Produktmanager, Leiter Presales und Global Sales. Seit 2015 ist Martin Landis als Business Unit Manager für die Vermarktung der USU-Produkte im Bereich Valuemation zuständig.

Revolutionieren Sie Ihr Wissen im Kundenservice!

Weitere interessante Artikel