Forschung für den Mittelstand - Die IGF-Projektdatenbank

Fingerprints of Quality - Qualität 4.0 bei KMU

Durch die Integration von Cyber-physischen Systemen (CPS) in bestehende Produktionsprozesse stehen den Unternehmen im Kontext der vierten industriellen Revolution vielfältige Daten aus der Fertigung zur Verfügung. Diese gilt es, im Umfeld stark individualisierter Produkte und der damit einhergehenden veränderlichen Produktion geringer Stückzahlen bis hin zur Losgröße „1“ gewinnbringend nutzbar zu machen.

Die klassischen Methoden der Qualitätswissenschaft (QW) zur statistischen Prozessüberwachung und -lenkung sind mitunter unzureichend, so dass neue Ansätze zu entwickeln sind, die die Erstellung datengetriebener Qualitätsprognosen ermöglichen. Insbesondere KMU, die sich auf die kundenindividuelle Massenfertigung spezialisiert haben und demzufolge nicht von den Skaleneffekten der Massenproduktion profitieren, können ihre Produktionsprozesse durch den Einsatz neuer in situ Überwachungs- und Steuerungsansätze optimieren. Dieses durch CPS generierte Potenzial eröffnet Chancen für eine innovative und individualisierte Qualitätssicherung.

Mit „Fingerprints of Quality – Qualität 4.0 bei KMU (FPQ)“ soll ein Assistenzsystem (AS) geschaffen werden, das die Probleme aus Sicht der QW angeht. Die Implementierung intelligenter Algorithmen aus dem Bereich des Maschinellen Lernens ermöglicht es, die über ganzheitliche Sensorsysteme erfassten Prozessdaten auszuwerten, sodass durch das Mitlernen von Ursache-Wirkprinzipien während der laufenden Fertigung eine Aussage über die zu erwartende Produktqualität möglich ist.

Zielsetzung des Vorhabens ist es, den Unternehmen die Methodik zur Entwicklung des Produkt- und Prozessverständnisses über ein AS bereitzustellen. Auf diese Weise wird es den KMU ermöglicht, die internen Produktionsprozesse nachhaltig zu steuern und zu optimieren. Folglich befähigt FPQ ein KMU dazu, eine Vielzahl von Potenzialen der Industrie 4.0 zu nutzen und „Qualität 4.0“ im eigenen Unternehmen durch den Einsatz von Open-Source Software umzusetzen.

Ergebniszusammenfassung:

Das Ergebnis des Projekts ist ein Konzept für ein datengetriebenes Vorgehen zum Aufbau eines ganzheitlichen Produkt- und Prozessverständnisses zur Qualitätsabsicherung bei Kleinserien, insbesondere für die additive Fertigung.

Es wird ein Assistenzsystem bereitgestellt, welche die Funktion besitzt, mittels Algorithmen des Maschinellen Lernens Anomalien im Produktionsprozess auf Basis von Eingangsgrößen (Einflussgrößen und Steuergrößen) zu prognostizieren. Eine weitere Funktion beinhaltet die ganzheitliche Untersuchung von Ursache-Wirkungszusammenhängen durch die Anwendung von Methoden der kausalen Inferenz.

Folgende Zwischenergebnisse wurden erreicht zudem erreicht:

1) Vorgehen zur Festlegung von Qualitätszielen und Erfolgskennzahlen

2) Dokumentation des ETL-Prozesses

3) Aufbau einer Versuchsführung

4) Konzept für die Anomalien-Detektion

5) Anforderungen an das Assistenzsystem

6) Anwendung von Methoden des machinellen Lernens und Umsetzung im Assistenzsystem

7) Anwendung von Methoden der kausalen Inferenz und Umsetzung im Assistenzsystem

Die industriellen Anwendungsmöglichkeiten der Forschungsergebnisse nach Projektende für die unternehmerische Praxis werden als sehr gut eingeschätzt, da die Forschungsergebnisse praxisorientierte Lösungen liefern und gemeinsam mit Unternehmen erarbeitet wurden.

Damit wurde sichergestellt, dass die Ergebnisse praxisrelevant sind und angewendet werden können. Die erzielten Ergebnisse sowie der Quellcode des Assistenzsystem sind für alle Unternehmen zugänglich. Zielgruppe sind branchenübergreifende KMU des produzierenden Gewerbes, insbesondere Kleinserienfertigung und additive Fertigung.