Intelligente Prozessüberwachung für die flexible Produktion

Authors:
Open Access
Publisher website
Google Scholar
Abstract
In einer individualisierten Produktion mit hoher Variantenvielfalt stoßen traditionelle Ansätze zur Prozessüberwachung immer häufiger an ihre Grenzen. Diese basieren meist auf statischen Datensätzen oder wiederkehrenden Prozessmustern, was in dynamischen Produktionsumgebungen zu ungenauen Vorhersagen und vermehrten Fehlalarmen führen kann. In diesem Beitrag wird ein Konzept zur Flexibilisierung der Prozessüberwachung diskreter Produktionsprozesse vorgestellt, das auf der Kombination von Physics-informed Machine Learning (PIML) und Active Learning (AL) basiert. In agilen Produktionsumgebungen können so nicht nur Anomalien erkannt, sondern das Überwachungsmodell bei Fehlalarmen auch automatisch aktualisiert werden. Dadurch bleibt das Überwachungssystem auch unter variablen Produktionsbedingungen präzise, was Fehlalarme reduziert und damit zu einer verbesserten Overall Equipment Effectiveness (OEE) beiträgt.

This publication has 20 references indexed in Scilit: