Taktzeitoptimierung mit Künstlicher Intelligenz
Warum schwanken die Taktzeiten in verketteten Fertigungslinien? Um das herauszufinden, ist in der Regel ein hoher manueller Aufwand notwendig. Unternehmen untersuchen deshalb auch nicht jede Anomalie, sondern nur Taktzeitschwankungen mit signifikanter Häufung. Das wird sich in Zukunft ändern: KI-Ansätze zur Mustererkennung in Zeitreihendaten können helfen, die Analyse zu automatisieren.
Im Rahmen des Projektes IIP-Ecosphere (https://www.iip-ecosphere.eu/) entwickelt das IFW gemeinsam mit dem Forschungszentrum L3S und Volkswagen Nutzfahrzeuge einen Demonstrator, der vielversprechende KI-Ansätze im Einsatz zeigt. Genutzt werden dabei Künstliche Neuronale Netze zur automatisierten Detektion von Anomalieclustern und Long-Short-Term-Memory-Verfahren zur Analyse von Ursache-Wirkungszusammenhängen in den betrachteten Zeitreihendaten.
Erste Ergebnisse und mehr Details finden Sie im folgenden Phi-Artikel: phi – Produktionstechnik Hannover informiert - Artikel (phi-hannover.de)
Warum schwanken die Taktzeiten in verketteten Fertigungslinien? Um das herauszufinden, ist in der Regel ein hoher manueller Aufwand notwendig. Unternehmen untersuchen deshalb auch nicht jede Anomalie, sondern nur Taktzeitschwankungen mit signifikanter Häufung. Das wird sich in Zukunft ändern: KI-Ansätze zur Mustererkennung in Zeitreihendaten können helfen, die Analyse zu automatisieren.
Im Rahmen des Projektes IIP-Ecosphere (https://www.iip-ecosphere.eu/) entwickelt das IFW gemeinsam mit dem Forschungszentrum L3S und Volkswagen Nutzfahrzeuge einen Demonstrator, der vielversprechende KI-Ansätze im Einsatz zeigt. Genutzt werden dabei Künstliche Neuronale Netze zur automatisierten Detektion von Anomalieclustern und Long-Short-Term-Memory-Verfahren zur Analyse von Ursache-Wirkungszusammenhängen in den betrachteten Zeitreihendaten.
Erste Ergebnisse und mehr Details finden Sie im folgenden Phi-Artikel: phi – Produktionstechnik Hannover informiert - Artikel (phi-hannover.de)