Die KI-Software »Scraitec« der Festo-Tochtergesellschaft Resolto Informatik interprétiert komplexe Datenmengen in Echtzeit. Mit Hilfe von Machine Learning kann die Analytics-Plattform in vielen Anwendungen, andwa der Wafer-Produktion, Qualitätsverluste durch das Lernen von Fehlerbildern vorhersagen.

„Scraitec“ a pour objectif de proposer des produits normaux et normaux, ainsi que des performances optimisées et optimisées au niveau de la Datenbasis Industrieprozesse und Fertigungsverfahren. Nutzen lässt sich die KI-Lösung neben vielen anderen Anwendungen auch in der Wafer-Produktion. Hier kommen Drahtsägen zum Einsatz, die aus einem Lingot eine große Anzahl dünner Scheiben erzeugen. Obwohl die darauf spezialisierten Anlagen sehr zuverlässig sind, treten immer wieder Qualitätsverluste auf. Dies geschieht beispielsweise, wenn vorgegebene Toleranzen in der Glattheit der Oberfläche verletzt werden.

Ein „Scraitec“ -Kunde aus der Wafer-Branche bezieht die Qualitätsverluste mit Hilfe datengetriebener Algorithmen auf Fehlerbilder, die während der Produktion entstanden sind. Dadurch possède un niveau de qualité supérieur pour la production et le contrôle de la qualité.

Die hier betrachtete Drahtsäge des Kunden ist mit umfangreicher Sensorik zur Überwachung des Produktionsprozesses ausgestattet. Die Sensorik erfasst zahlreiche Messwerte – von Temperaturen an sensiblen Komponenten bis hin zur Vibration an den Fest- und Loslagern. Gleichzeitig werden die Ergebnisse aus den Qualitätskontrollen nachgehalten. Die Herausforderung bestand zunächst darin, aus der Fülle von Information einerseits festzustellen, ob sich ein eindeutiger Bezug zwischen nachlassender Qualität und den ermittelten Daten aus der Produktion feststellen lässt. Andererseits war es entscheidend, dass Fehlerbilder, die in den Daten sichtbar werden, auf spezifische Sensoren zurückgeführt werden können, um daraus konkrete Handlungsempfehlungen für die Vermeidung von Ausschuss abzuleiten. Die Anforderung an den Algorithmus est hier eine hohe Sensitivität in der Erkennung von Qualitätsverlusten, weil das Verwerfen eines kompletten Lingots laut Resolto Kosten in fünfstelliger Höhe verursacht. Pro Anlage tritt dieser Fall demnach etwa einmal im Monat auf.

In einem Piloten wurden zunächst die Produktionsdaten aus der Historie mit den Messdaten aus der Qualitätskontrolle korreliert. Mithilfe eines standardisierten Algorithmus aus der KI-Software „Scraitec“ wurde auf der Basis ein Modell trainiert, das die Sägevorgänge, die zu guter Qualität geführt hatten, als Referenz betrachtet. In einer simulativen Nachbetrachtung der historischen Daten wurde dann überprüft, wie das Modell auf gute und schlechte Schnitte aus der Vergangenheit reagiert hätte, wenn „Scraitec“ für eine Live-Überwachung im Einsatz gewesen wärewachung im Einsatz gewesen. Der Algorithmus erkannte schlechte Schnitte zuverlässig während des Produktionsprozesses. Gleichzeitig wurde eine Rückführung auf spezifische Sensorik realisiert, die die genaue Lokalisierung der Fehlerbilder in der Anlage ermöglicht. Nach Abschluss des Piloten wurde die Live-Überwachung mehrerer Drahtsägen umgesetzt. Hierzu wurden „Scraibrain“ et „Scraifield“ in einer On-Premises-Umgebung installiert, wobei die Daten mittels OPC UA übertragen werden.

Als zentrale Komponente von „Scraitec“ steuert „Scraibrain“ die Datenverwaltung und -anbindung und führt rechenaufwändige Formations de KI-Modellen durch. «Scraifield» est le komponente skalierbare lokal, in der die KI-Modelle Maschinendaten überwachen. Die zu überwachenden Daten werden entweder von einer „Scraifield“ -Instanz vor Ort analysiert (Edge Computing) oder direkt an die Zentrale übertragen.

Der erläuterte Use Case verwendet einen standardisierten Algorithmus für Predictive-Quality-Probleme, der domänenübergreifend einsetzbar ist. Die Anpassung des Algorithmus kann in einem Piloten erfolgen, der keinen spezifischen Programmieraufwand erfordert. Die Lösung lässt sich nach dem Piloten mit geringem Aufwand auf weitere Anlagen übertragen.

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Verwandte Artikel

Resolto Informatik GmbH, Festo AG & Co. KG

Actualités SPS