Bauteil-adaptive Prozesskontrolle mittels Datenanalyse und Einzelteilcodierung

Projektdaten

Laufzeit: 2018-07-01 bis 2019-12-30

Projektleiter: , FH-Prof. DI Dr. Herbert Jodlbauer, FH-Prof. Dr. Ing. Aziz Huskic

Projektbeschreibung

Für jeden Bauteil in einem Produktionsprozess wurde „ein Lebenslauf“ abgespeichert. Dadurch konnte zum einen, eine bessere Rückverfolgbarkeit gewährleistet werden und zum anderen wurden die gesammelten Daten mit Hilfe von Data Mining analysiert und ausgetestet. Mittels Machine Learning wurde eine adaptive Fertigung auf Einzelteilbasis umgesetzt werden. Im Projekt wurde erreicht, dass sich die Maschinen in einem Pilotprozess  automatisch basierend auf den in Echtzeit zur Verfügung gestellten Daten auf den Bauteil einstellen und so gute Ergebnisse aus der Vergangenheit immer wieder reproduziert werden können.

Data Mining wird aktuell in mehreren Forschungsprojekten primär für die Ursachenfindung bei Fehlern eingesetzt. Es gibt erste Forschungsprojekte, wo dies neben dem Qualitätsmanagement für die Prozessüberwachung, Performance und Condition Monitoring eingesetzt wird. Mit einer Bauteil-adaptive Fertigung stellte dieses Projekt eine Neuerung dar.

Die angestrebten Ergebnisse sind eine Reduktion des Ausschusses, der Rüstzeit und des Aufwandes für Qualitätsüberprüfung um 50% und das Erreichen einer niedrigeren ISO-Toleranzklasse.

Bei Fragen kontaktieren Sie uns jederzeit.

Kontakt

Weitere Projekte

Hybrid Algorithms for Redesigning MRP

Laufzeit: 10/2020 - 09/2023

The overall aim of this project is to develop efficient modeling and solution approaches to overcome all of these drawbacks and to provide (close to) optimal mid-term production plans.

X-PRO

Laufzeit: 01/2020 - 12/2024

Erforschung und Entwicklung benutzer-zentrierter Methoden für Cross-Virtuality Analytics von Produktionsdaten

adaptOp

Laufzeit: 10/2019 - 09/2024

Innerhalb von JRC adaptOp werden wir mit der Lösung dynamischer Optimierungsprobleme in Bereichen wie Lagerhaltung, Produktion und Transport konfrontiert. Es wird ein Framework adaptiver Methoden entwickelt, mit dem wir schnell auf beobachtete Veränderungen in der Umgebung reagieren. Techniken des maschinellen Lernens werden integriert, um das Auftreten zukünftiger Ereignisse vorherzusagen, mögliche zukünftige Szenarien zu entwerfen und geeignete Optimierungsalgorithmen auszuwählen und zu konfigurieren.

Smart Factory Lab

Laufzeit: 01/2016 - 07/2021

Ziel des Projekts Smart Factory Lab ist der Aufbau eines standortübergreifenden vernetzten Technologie-Labors zur Entwicklung und Erprobung innovativer Technologien, Methoden und Konzepte für Intelligente Produktion entlang des Produktlebenszyklus. Am Institut für Intelligente Produktion der FH OÖ liegt der Fokus auf den Forschungsthemen Preemptive Maintenance inklusive der Einbindung von Mixed Reality Technologien in den Instandhaltungsprozess und Generative Fertigung mittels Pulverdüsenverfahren und damit in Verbindung stehende neue Geschäftsmodelle.