Forschung für den Mittelstand - Die IGF-Projektdatenbank

Semantische Datenanalyse für Zerspanprozesse (SeDaZ)

Hersteller industrieller Produkte erfahren im Zuge der Globalisierung und Digitalisierung einen permanenten Wettbewerbsdruck. Neben der Volatilität der internationalen Märkte, sind es vor allem verkürzte Produktlebenszyklen sowie die Nachfrage nach individualisierten Produkten, die sie dazu zwingen, innovativ und vor allem wirtschaftlich effizient zu arbeiten. Vor diesem Hintergrund stellt die wirtschaftlich-technologische Auslegung spanender Prozesse einen zwingend zu beherrschenden Kernprozess dar, bei dem alle Produktionsmittel im Spannungsfeld von Produktivität, Qualität und Verfügbarkeit bestmöglich einzusetzen sind.

Im Rahmen der Digitalisierung ist die Aufnahme, Analyse und semantische Auswertung von verfügbaren Daten mittels Data-Mining-Verfahren entlang der gesamten CAD-CAM-NC-Prozesskette eine aussichtsreiche Möglichkeit zur Erhaltung der Konkurrenzfähigkeit. Die Idee des Forschungsvorhabens besteht daher darin, eine Brücke zwischen der Grundlagenforschung (Data-Mining) und der wirtschaftlichen Anwendung bei an der produktionstechnischen Datenauswertung beteiligten KMU am Standort Deutschland zu schlagen. Dabei sollen sich Systemhersteller (CAM, Prozessüberwachung, Prozessanalyse) die zu entwickelnde Methodik und die dahinterstehenden Erkenntnisse zur semantischen Datenanalyse zunutze machen können, sodass spanend fertigende KMU direkt oder indirekt von einem gesteigerten Prozessverständnis sowie verbesserten Prozessen hinsichtlich Produktivität und Qualität profitieren. Insbesondere soll den Unternehmen ermöglicht werden, wertvolle Erkenntnisse über ihre Prozesse zu generieren, um langfristig wettbewerbsfähig zu bleiben und agil auf Volatilitäten reagieren zu können. Darüber hinaus sollen die Unternehmen auch zu tiefgehenden Datenanalysen befähigt werden, die sich der menschlichen Wahrnehmung und damit dem derzeitig hauptsächlich praktizierten Analyseverfahren aufgrund der Komplexität und Mehrdimensionalität produktions-technischer Daten entziehen.