Lesen Sie, wie in einem Projekt mit der Schwäbischen Werkzeugmaschinen GmbH (SW) im Bereich der diskreten Fertigung beim Automobilzulieferer Schabmüller durch den Einsatz von Xplain Data Algorithmen Ausschuss und Nacharbeit um fast 85 % reduziert werden konnte.
Durch den Einsatz der Causal Discovery Verfahren wurden bislang unbekannte Fehlerursachen aufgespürt.
“KI unterstützt uns bei der Identifikation von Wirkzusammenhängen in komplexen Daten“, sagt Dr.-Ing. Mathias Kammüller, Chief Digital Officer und Trumpf-Vorstandsmitglied nach einem erfolgreichen Projekt mit Xplain Data. Ziel des Projektes war es, basierend auf Daten aus der Produktion und dem Betrieb einer Anlage Faktoren zu identifizieren, die ursächlich Maschinenausfälle bedingen (root cause analysis). Im nächsten Schritt wird ein ständiges Monitoring durch die Algorithmen erfolgen, um sich neu entwickelnde Fehlerursachen frühzeitig zu detektieren und entsprechende Abteilungen zu benachrichtigen.
Ein Projektbericht zur Co-Innovation mit Trumpf erschien im August 2022 in dem Qualitäts-Management-Magazin QZ-online.