Reduktion der Fehlerquote durch echtzeitnahe Analysen und Prognosen im laufenden Betrieb

Die Qualitätskontrolle ist im Rahmen jedes Wertschöpfungsprozesses und vor allem in der Produktion essentiell. Das Ziel ist die Vermeidung von Fehlern durch die Nutzung von Vorhersagen als Entscheidungsgrundlage für Maßnahmen – und dadurch die Reduktion von Nacharbeit, Kosten und Zusatzaufwand.

Das Problem heute: Fehlerquellen und -indikatoren werden oft erst im Nachhinein identifiziert, wenn die Kosten bereits entstanden sind.

Reduktion der Fehlerquote durch echtzeitnahe Analysen und Prognosen im laufenden Betrieb

Die Qualitätskontrolle ist im Rahmen jedes Wertschöpfungsprozesses und vor allem in der Produktion essentiell. Das Ziel ist die Vermeidung von Fehlern durch die Nutzung von Vorhersagen als Entscheidungsgrundlage für Maßnahmen – und dadurch die Reduktion von Nacharbeit, Kosten und Zusatzaufwand.

Das Problem heute: Fehlerquellen und -indikatoren werden oft erst im Nachhinein identifiziert, wenn die Kosten bereits entstanden sind.

ASCon kombiniert die Digital Twin Technologie mit ihrem Qualitätsmanagement-Know how

Mit dem Predictive Quality Assistant können Sie die wesentlichen Prozessparameter im Kontext Ihres gesamten Wertschöpfungsprozesses überwachen und kontinuierlich analysieren – und damit potenzielle Probleme bereits vor deren Entstehung zu identifizieren. Der Digitale Zwilling befähigt Unternehmen zu einer datengetriebenen, KI-gestützen Überwachung der produkt- und prozessbezogenen Qualität und unterstützt den Anwender bei der Diagnose und Entscheidungsfindung.

Daten
erfassen

Signale, Parameter und Informationen werden in einem gesamtheitlichen Datenkontext erfasst und bilden eine „smarte“ Datenbasis.

Daten
analysieren

Analyse von Live- und historischen Daten von Maschinen, Sensoren, ERP-, MES- und Qualitäts-Systemen zur Anomalieerkennung.

Qualität
prognostizieren

Prognose der Qualität durch Identifizierung und Überwachung von Prozess-, Produkt- und Anlagenparameter, die zuvor zu Fehlern geführt haben.

Teams
alamieren

Frühzeitige Benachrichtigung von Verantwortlichen über potenzielle Qualitätsmängel, um Probleme zu vermeiden.

Prozess- & Produkt-Qualitätsmessungen

  • Überwachung der Produktionsprozesse auf Anlagen-, Linien- und Werksebene
  • Ermittlung und Überwachung einzelner Prozess-Status
  • Detektion von Auffälligkeiten, die z.B. NIO-relevant sein können
  • Anzeige und Suche nach Auffälligkeiten und Fehlermeldungen auf Basis historisierter und kontextualiserter Daten in der Digitalen Akte (live und rückwirkend)
  • Detektion von Anomalien im laufenden Prozessbetrieb

Predictive Quality Analysen

Die prädiktive Qualitätsanalyse basiert auf künstlichen neuronalen Netzen. Das Spektrum der Analysemethoden umfasst sowohl statistische Methoden als auch Methoden des maschinellen Lernens einschließlich des Tiefenlernens (Deep Learning). Hierbei integrieren wir KI-Services unseres Technologiepartners Synergeticon, dessen Analysen bei der Qualitätssicherung und Ermittlung von Produktionsfehlern durch Auswertung von 3D- und Sensordaten unterstützen.

 

Darunter zählen u.a. folgende Analysen und Funktionen:

  • Algorithmen zur Regression
  • Clusteranalysen
  • Trend- und Zeitreihenanalyse
  • Maschinelles Lernen

Predictive Quality Analysen

Die prädiktive Qualitätsanalyse basiert auf künstlichen neuronalen Netzen. Das Spektrum der Analysemethoden umfasst sowohl statistische Methoden als auch Methoden des maschinellen Lernens einschließlich des Tiefenlernens (Deep Learning). Hierbei integrieren wir KI-Services unseres Technologiepartners Synergeticon, dessen Analysen bei der Qualitätssicherung und Ermittlung von Produktionsfehlern durch Auswertung von 3D- und Sensordaten unterstützen.

 

Darunter zählen u.a. folgende Analysen und Funktionen:

  • Algorithmen zur Regression
  • Clusteranalysen
  • Trend- und Zeitreihenanalyse
  • Maschinelles Lernen

Vernetzung von Produkt, Prozess und Ressourcen

Über den datenbasierten Lösungsansatz des Digitalen Zwillings werden zunächst alle relevanten Parameter, Sensoren und Umgebungsdaten in einem semantischen Modell erfasst und standardisiert.

Neben der Online-Daten-Erfassung aus bestehenden IT-Systemen sind auch Offline-Datenquellen relevant, wie beispielsweise Qualitätsmeldungen aus nachgelagerten Prozessen. Die Daten werden im Digitalen Zwilling integriert und anschließend für Datenspeicherung, Analysefunktionen und zur Entscheidungsaufbereitung bzw. Visualisierungen für die Anwender bereitgestellt.

Der Wert von Predictive Quality liegt nicht in den Daten selbst, sondern im über den Kontext aus Produkt- und Prozessqualität generierten Wissen, das unmittelbar in die Entscheidungsunterstützung einfließt.

Haben Sie Fragen oder haben Sie Interesse an einer Produktdemonstration?

 

Ihr Ansprechpartner

Tilo Geisel
Tech Sales Manager

Kontakt