27 unseren Auswertungen hat sich gezeigt dass Palettenfehler bei weitem am häufigsten vorkommen erklärt Tanja Nemeth Genau auf diese werden die Paletten in Zukunft geprüft um eine möglichst große Verbesserung zu erzielen Perfekte Farbe Eine ganz andere Aufgabe stellte sich dem Team bei Swarovski Die KI soll hier dafür sorgen dass alle produzierten Kristalle den hohen Qualitätsstandards entsprechen und exakt diesel ben Farbeffekte erzielen Dabei stellt sich vor allem die Frage wie oft der Bedampfungskessel der die feinen Beschichtungen aufträgt gewartet werden muss Reinigungen sollen nicht zu früh aber auch nicht zu spät durchgeführt werden Kann die KI vorhersagen wann der richtige Zeitpunkt gekommen ist Was wir in diesem Fall machen wollen ist Prescriptive Main tenance Das ist die Championsleague der Instandhaltung erklärt Klaudia Kovacs die sich bei Fraunhofer Austria dem Projektteil rund um Swarovski widmet Bei der ausfallsorien tierten Instandhaltung wird erst reagiert wenn bereits ein Fehler passiert ist Die nächstbessere Stufe ist die zustands basierte Instandhaltung und darüber kommt Predictive Maintenance Bei dieser wird man informiert dass ein Fehler passieren wird erhält aber keine Handlungsempfehlung Diese gibt es erst in der allerhöchsten Stufe der Prescriptive Maintenance und diese wird hier bei Swarovski zum Einsatz kommen fügt sie hinzu Derzeit analysiert das Team Daten zu den Parametern des Bedampfungskessels und sucht nach Zusammenhängen mit den optischen Eigenschaften der fertig produzierten Kristalle Die Korrelationen die wir derzeit finden schaffen die Grund lage dafür dass die KI später erklärbar bleibt sagt Catherine Laflamme vom Fraunhofer Austria Innovationszentrum in Wattens die vor Ort eng mit den Expertinnen und Experten bei Swarovski zusammenarbeitet Denn auch in diesem An wendungsfeld soll erforscht werden wie sich die KI Entschei dungen nachvollziehbar machen lassen FO R SC H U N G COGNITUS Generic Building Blocks for Explainable Deep Learning Based Outage Predictions Projektnummer 874042 Förderprogramm IKT der Zukunft 7 Ausschreibung 2018 Laufzeit 01 10 2019 30 9 2022 Konsortium n AIT Austrian Institute of Technology GmbH n LineMetrics GmbH n Fraunhofer Austria Research GmbH n SPAR Österreichische Warenhandels Aktiengesellschaft n D Swarovski KG Forschungsziel Das Ziel von COGNITUS besteht darin eine Deep Learning Pipeline zur Verfügung zu stellen die zur Prognose von Maschinenausfällen auf Basis von Sensor datenströmen herangezogen werden können Diese Bau steine sollen dann in zwei unterschiedlichen realweltlichen Anwendungsfällen eingesetzt werden und Ausfälle von Schmuck Produktionsmaschinen im Bereich Produktion Swarovski bzw Lagertechniksystemen im Bereich Logistik SPAR prognostizieren Die Innovationskraft in COGNITUS ergibt sich durch die Kombination von Expertise aus den Bereichen Data Science AIT LineMetrics und Instandhal tungsplanung Fraunhofer Austria Ansprechperson Dr Tanja Nemeth I tanja nemeth fraunhofer at

Hinweis: Dies ist eine maschinenlesbare No-Flash Ansicht.
Klicken Sie hier um zur Online-Version zu gelangen.