Die Anforderungen an die Qualität in der industriellen Produktion steigen ständig, und sie steigen schnell. Für viele Branchen, insbesondere in Europa, stellt dies eine sehr ernste Herausforderung dar. Denn es ist nicht nur der immer stärker werdende globale Wettbewerb, der bessere Lösungen verlangt. Wahrscheinlich noch gefährlicher für viele Unternehmen ist der regulatorische Druck, der von den europäischen Institutionen ausgeübt wird: MDR, CLP, POP, Biozid-Verordnung, REACH.... . Oft genug haben Auditoren, Prüflaboratorien und benannte Stellen nicht die Kapazitäten, um der gestiegenen Nachfrage nach Audits gerecht zu werden. Darüber hinaus sind die "Schonfristen" in der Regel so knapp bemessen, dass die Hersteller keine andere Wahl haben, als Teile ihres Produktportfolios aufzugeben. Und das hört nie auf: Hat ein Unternehmen es geschafft, sich für die Einhaltung eines bestimmten Regelwerks zertifizieren zu lassen, lauern schon wieder neue Vorschriften und ein Zertifikat wird wieder zur Makulatur. Hier sind Lösungen gefragt, die helfen, die beschriebenen Herausforderungen zu meistern:Schnell, effektiv und effizient.
Sampling is out
Der Königsweg für die oben beschriebenen Herausforderungen in der Produktion ist die automatisierte 100%ige Inline-Qualitätskontrolle mit künstlicher Intelligenz. In den meisten Branchen und in vielen Produktkategorien genügt die manuelle oder optische Inspektion von Produktmustern nicht mehr den regulatorischen Anforderungen.
Doch es gibt ein Problem: In den meisten Unternehmen, ob klein oder groß, ist es schlichtweg unmöglich, Algorithmen gezielt und sinnvoll einzusetzen, weil keine geeigneten Daten vorhanden sind. Es besteht ein gravierender Mangel an homogen strukturierten Maschinen-, Kamera- und Sensordaten, auf die KI-gesteuerte Assurance-Lösungen gezielt angewendet werden könnten.
Keine KI ohne Daten: 100% inline - Qualitätskontrolle neu gedacht
Ohne geeignete Daten kann keine KI zwischen "OK" und "nicht OK" unterscheiden. Und wenn für jede neue Qualitätssicherungslösung immer wieder mühsam eine KI-fähige Datengrundlage aufgebaut werden muss, gehen wesentliche Kosten- und Zeitvorteile des KI-Einsatzes den Bach runter.
Mit PANDA gehört der langwierige, mühsame und sehr teure Aufwand für das Data Engineering der Vergangenheit an. PANDA bietet KI-Anbietern und -Kunden eine KI-fähige Datenlösung, basierend auf proprietären Maschinen- und Sensordaten, die so strukturiert und homogen sind, dass sie alle geforderten Sicherungsziele mittels KI erfüllen. Somit ist mit PANDA jede KI-gesteuerte Lösung, die Ihren Qualitätssicherungszielen entspricht, sofort einsatzbereit und trägt dazu bei, Kosten und Zeit erheblich zu reduzieren.
Mit PANDAs Smart Data Setup PANDA | IDI (Intelligent Data Infrastructure) werden Industriekunden unabhängig von einzelnen Lösungsanbietern. Jede KI-Lösung ist sofort einsatzbereit. Ein zweiter spezifischer Vorteil für industrielle Anwender ist die Konnektivität verschiedener Lösungen von unterschiedlichen Anbietern über PANDA | IDI. Qualitätssicherungsmanager müssen nicht mehr mit isolierten, unverbundenen Nischenlösungen arbeiten, die immer wieder neue spezielle Datenaufbauten erfordern.
Gleichzeitig ist die intelligente Dateninfrastruktur von PANDA | IDI auch für Lösungsanbieter sehr hilfreich: Sie können sich nun auf das konzentrieren, was sie am besten können und mehr verkaufen, da sie endlich das mühsame Daten-Engineering hinter sich lassen können.
Beispiele aus unserer Kundendatenbank
Erkennung von Kanülenfehlbildungen mit Hilfe einer Deep-Learning-Anwendung zur Reduzierung der Folgekosten
Aufbau eines Qualitätssicherungssystems zur automatischen 100%igen Erkennung von Rissen an Formteilen mit anschließender Intervention in einem solchen Fall
Automatisierte Erkennung von Blasenbildung in Klebelösungen basierend auf einem Bildverarbeitungssystem und einer Deep-Learning-Anwendung
Zustandsüberwachung von Maschinenzuständen in Crash-Anlagen auf Basis von Vibrationssensoren, einem Vision-System und NIR-Spektrometern zur Beurteilung des Ölzustandes
Entwicklung eines Qualitätssicherungssystems zur Reduzierung von Ausschuss in Verbindung mit einer Dependency-Mining-Anwendung zur Reduzierung von fehlerverursachenden Systemzuständen.
