Umfangreiche Datenanalysen für eine höhere Vorhersagegenauigkeit und optimierte Handlungsempfehlungen
Um die Vorhersagegenauigkeit des Modells zu erhöhen, wurden umfangreiche Datenanalysen durchgeführt – einschließlich der Auswertung von über 16.000 Sensordatensätzen aus dem Gießprozess. Diese Daten wurden genutzt, um die Beziehung zwischen den Röntgenfehlermerkmalen und der Qualität der Gussteile zu verstehen. Die Ergebnisse dieser Analysen flossen direkt in die Trainingsdaten für das neuronale Netz ein. Dadurch wurde die Basis für die generierten Optimierungsempfehlungen geschaffen.
Einsatz »Erklärbarer KI« für gezielte Anpassungen
Eine Besonderheit des Projekts ist der Einsatz von sogenannter »Erklärbarer KI« (XAI). Durch diese Techniken ist es möglich, die Entscheidungsfindung des neuronalen Netzes nachzuvollziehen. Mit XAI können die Einflüsse einzelner Sensordaten auf die Vorhersagen visualisiert und interpretiert werden, was eine gezielte Anpassung der Produktionsparameter ermöglicht. So kann beispielsweise gezeigt werden, welcher Sensorwert erhöht oder verringert werden sollte, um die Defektgröße zu minimieren.
Cast Control – Der nächste Schritt in Sachen Qualitätskontrolle und Prozessoptimierung in der Produktion
Das Projekt CastControl hebt die Anwendung künstlicher Intelligenz zur Qualitätskontrolle und Prozessoptimierung in der Produktion auf eine neue Stufe. In einem Nachfolgeprojekt wird nun die Vorhersagezuverlässigkeit weiter verbessert und zudem ein Prototyp für Echtzeit-Empfehlungen während der Produktion entwickelt. Durch die Zusammenarbeit mit weiteren Industriepartnern soll das Modell zudem aufzusätzliche Produktionsprozesse ausgeweitet werden. So kann der Anwendungsbereich erweitert und die Produktionsqualität branchenübergreifend erhöht werden.
Arbeitsgruppe für Supply Chain Services des Fraunhofer IIS
