Praxisbeispiel: Künstliche Intelligenz – EBQuoPro – Prozessanalyse und KI-gestützte Prüfstrategie für elektronische Baugruppen

Die Verwendung von Predictive-Quality-Algorithmen bietet Unternehmen die Möglichkeit, potenzielle Risiken im Produktdesign im Voraus vorherzusagen. Dadurch können Unternehmen ihre Produkte bereits vor der eigentlichen Produktion optimieren, Ausschuss reduzieren und sich langfristig einen Wettbewerbsvorteil verschaffen. Allerdings wird diese Möglichkeit aufgrund von Fachkräftemangel, Komplexität und undurchsichtigen Methoden derzeit kaum genutzt. EBQuoPro nutzt Künstliche Intelligenz, um verständliche und nachvollziehbare Prognosen zu ermöglichen.

Daran arbeitet EBQuoPro: 

Das Forschungsprojekt EBQuoPro (Entwicklung und Benchmarking von Predictive-Quality-Algorithmen zur Prozessanalyse und KI-gestützten Prüfstrategie für elektronische Baugruppen) hat das Ziel, verständliche und nachvollziehbare Vorhersagen zu generieren. Um dies zu erreichen, entwickelt und evaluiert EBQuoPro Predictive-Quality-Algorithmen, die auf erklärbarer und datenbasierter Künstlicher Intelligenz basieren. Diese Explainable Artificial Intelligence (XAI) soll transparent machen, wie das System zu seinen Ergebnissen gelangt und somit Vertrauen in die Ergebnisse schaffen.

Konkret untersucht EBQuoPro den Bestückungsprozess von Baugruppen. Dabei werden Risikofaktoren für die Produktqualität auf verschiedene Einflussfaktoren und kritische Spezifikationen einzelner Bauteile zurückgeführt. Diese Daten werden während des Fertigungsprozesses mithilfe moderner Sensortechnologie erfasst.

Es besteht keine Möglichkeit, Rückschlüsse auf Wettbewerbs- oder Unternehmensdaten zu ziehen. Die Ergebnisse des Projekts können daher horizontal in Unternehmen der gleichen Branche und vertikal entlang der Produktionskette eines Produkts integriert werden.