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