Zur Optimierung Ihrer Produktionsprozesse kombinieren wir Big-Data- und KI-Technologien mit Expertenwissen.

Industrial Analytics

Wir optimieren Ihre Produktionsprozesse, sodass Sie Maschinen effizienter einsetzen, Produktionsausfälle vermeiden und die Qualität Ihrer Produkte steigern können. Dazu setzen wir aktuellste Big-Data- und KI-Technologien ein. Als Datenbasis für unsere Analysen nutzen wir Maschinen- und Produktionsdaten Ihres Unternehmens, die wir bei Bedarf für Sie erschließen und aufbereiten. Darüber hinaus bauen wir auf die Erfahrung und das Wissen Ihrer Expert*innen und beziehen wertvolles Fachwissen aus Ihrem Unternehmenskontext in die Analysen ein.  

Damit begleiten wir Sie individuell auf Ihrem Weg in die Industrie 4.0 und zur »digitalen Fabrik«. Innerhalb der »digitalen Fabrik« werden Produkte oder Bauteile einschließlich ihrer Komponenten, Prozesse und Daten als sogenannte »digitale Zwillinge« repräsentiert, welche typischerweise auf IoT-Plattformen bereitgestellt werden. Solche cloudbasierten Lösungen sind allerdings nicht überall einsetzbar: In Anwendungsszenarien mit hohen Latenz- und Datenschutzanforderungen sind oft eine dezentrale Datenverarbeitung und verteiltes Lernen vorteilhaft. Hier bietet das sogenannte »Edge Computing« Rechenleistung dort, wo sie benötigt wird. Unsere Experten auf dem Gebiet der Softwarearchitektur und des dezentralen Lernens unterstützen Sie dabei, eine passende Lösung für Ihre individuelle Situation zu entwickeln.

Wir entwickeln ein systematisches Vorgehensmodell für die Nutzung von Maschinellem Lernen in der Produktion, indem wir relevantes Domänen- und Expertenwissen automatisiert in die Datenanalyse integrieren und Lernverfahren an typische Fragestellungen der Produktion anpassen. Unsere langjährige Erfahrung mit der Erstellung von Zeitreihenanalysen, der Nutzung von Technologiebausteinen zur Bild- und Audio-Analytik sowie intensive Forschung zum dezentralen Lernen geben uns einen technologischen Vorsprung, um schnell produktionsbereite Lösungen zu entwickeln.

Durch unsere gute Vernetzung innerhalb der Fraunhofer-Gesellschaft sowie in regio­nalen und nationalen Kompetenzzentren können wir bei Bedarf Projektteams mit Expert*innen aus unterschiedlichen Branchen zusammenstellen.

Leistungsportfolio

Unsere Leistungen sind zugeschnitten auf Anwendungen im Maschinenbau, dem produzierenden Gewerbe, der Chemie und Pharmazie. Wir gestalten und implementieren Services für individuell angepasste Analysen, die wir mit Ihren Maschinen- oder Produktionsdaten trainieren. Diese Systeme bauen wir neu auf oder integrieren sie in vorhandene Infrastrukturen für skalierbares Big Data Processing oder Edge Computing.

Ertragssteigerung durch vorausschauende Analyse

Durch vorausschauende Analyse Ihrer Prozessdaten liefern Ihnen unsere Dienste Hinweise zur Verminderung des Ausschusses und zur Prozessoptimierung.

Empfehlungssysteme für Maschinen- und Anlagenbediener

Wir nutzen Ihre Maschinendaten, um KI-Systeme zur vorausschauenden Analyse zu trainieren und daraus Empfehlungen für Maschinen- und Analgenbediener abzuleiten.

Verschleißprognose in der Produktion

Mithilfe von Condition Monitoring und vorausschauender Analyse Ihrer Werkzeug- und Maschinendaten können Sie Wartungsintervalle genauer planen und Produktionsausfälle vermeiden.

Prognose von Materialeigenschaften

Mit Big-Data-Analysen und der Visualisierung von Ergebnissen unterstützen wir Sie bei Forschungs- und Entwicklungsfragen zu Materialeigenschaften.

Machine-as-a-Service

Wir entwickeln mit Ihnen neue digitale Verwertungsmodelle, die es erlauben, Ihre Geräte zu verleihen und nutzungsbasiert abzurechnen.

Highlights

Root Cause Analysis für Maschinenbediener

Für einen deutschen Maschinenbauer haben wir eine skalierbare Big-Data-Architektur aufgebaut, bereitgestellt und später in die Infrastruktur des Kunden überführt. Durch das Datenhosting während des Projekts konnte der Kunde initiale Investitionskosten für Hardware sparen.

Unser Use Case zielte darauf ab, mithilfe der Root Cause Analysis bestimmte Störungen im Betriebsablauf zu erkennen und automatisiert Regeln zu finden, die die Ursachen der Störung beschreiben. Aktuell ist ein entsprechender Service beim Kunden installiert, der regelmäßig einen Report mit erkannten und zugeordneten Fehlerquellen (Stopps) erstellt. Ein Review-Prozess erlaubt es den Expert*innen, für die Maschinen die gefundenen Regeln zu überprüfen, neue Fehlerquellen und -ursachen zu identifizieren und zu dokumentieren.

Fraunhofer-Leitprojekt »Machine Learning for Production«

Mit diesem Projekt möchte die Fraunhofer-Gesellschaft zur technologischen Souveränität in Deutschland und Europa beitragen, indem ein systematisches Vorgehensmodell für die Nutzung von Maschinellem Lernen in der Produktion und eine dazu passende Toolsuite erstellt wird. Dazu ist es nötig, relevantes Domänen- und Expertenwissen automatisiert in die Datenanalyse zu integrieren, maschinelle Lernverfahren an typische Fragestellungen der Produktion anzupassen und als Tools und Prozessmuster verfügbar zu machen.

Für den industriellen Betrieb haben wir eine Software-Architektur entwickelt und als funktionalen Prototyp implementiert. Ein wesentliches Zwischen­ergeb­nis des Projekts ist ein Übersichtsartikel zum Maschinellen Lernen in der Produktion.

Machine Learning for Optimization of Production Processes

Weichert, D.; Link, P.; Stoll, A.; Rüping, S.; Ihlenfeldt, S.; Wrobel, S.:
A review of machine learning for the optimization of production processes
The International Journal of Advanced Manufacturing Technology 104 (2019), Nr.5-8, S.1889-1902, Springer-Verlag London Ltd.