Automobilhersteller
Prozesstransparenz durch analytische Visualisierung der additiven Fertigung
Ausgangsbasis
- Unterschiedliche Sensoren überwachen jede einzelne Schicht der Laser-Powder-Bed-Fusion 3D Fertigung
- Die Sensordaten liegen in verschiedenen Formaten und Auflösungen vor
- Auf dieser Datenbasis ist
eine effiziente Echtzeitanalyse und Qualitätsüberwachung nicht möglich - Ohne eine analytische Aufbereitung der Daten ist die Erkennung von Problemen und Fehlern im laufenden Prozess nicht möglich
- KI-Methoden zur Optimierung sind nicht integrierbar
Vorgehensweise
- Requirement Engineering und Konzeption einer effizienten Lösung
- Definition einer Cloud-Lösung und des Tool-Stacks
- Design eines interaktiven Dashboards
- Definition agiler User Stories zur Implementierung
- Entwicklung von Algorithmen und Datenaufbereitung in Echtzeit
- 3D & 2D Visualisierung der Sensordaten in Python Dash
- Persistierung der Sensordaten auf Amazon S3
Funktionen/Projektergebnis
- Intuitive Visualisierung der konsistent aufbereiteten Sensordaten
- „Near Realtime“-Validierung der Produktionsergebnisse auf Grundlage von statistischen Analysen
- Prozessieren, Adjustieren und Persistieren von Sensordaten
- Visualisierung von schichtweisen Ungleichheiten auf Basis von Data Science Modelvorhersagen
- Einbindung von KI-Modellen in die Visualisierung
Kundenutzen
- Transparenz der Produktionsergebnisse durch Advanced Analytics und Visualisierung der Sensordaten
- „Near Realtime“-Qualitätskontrolle für die additive Produktherstellung
- Persistieren der Sensordaten zur langfristigen Optimierung der Produktionsprozesse und Analyse der Produktionsergebnisse
- KI-gestützte Prognose der Produktionsqualität
Erich Holzinger | Senior Manager / Prokurist