In der industriellen Großserienfertigung sind Störungen mit hohen Kosten verbunden. Bislang konzentrierte sich die Forschung und Entwicklung verstärkt auf die Vermeidung von stillstandbedingten Ausfallzeiten, zum Beispiel durch vorausschauende Wartung oder den Einsatz alternativer Routen im Produktionsprozess. Diese Ansätze vernachlässigen jedoch zunächst oft kleine Verzögerungen in einzelnen Prozessschritten (Mikrostörungen), die über die gesamte Prozesskette hinweg propagiert und dabei oft weiter verstärkt werden. Auf diese Weise können bereits minimale, vom Mitarbeiter kaum wahrnehmbare, Verzögerungen in hohen Zusatzkosten resultieren.

Für diese Herausforderung erarbeitet dieser IIP-Demonstrator innovative, KI-basierte Lösungen für ein intelligentes Fertigungsanalysesystem zur Prozessüberwachung und Taktzeitoptimierung. Diese Lösung wird in einem interdisziplinären Team aus der Firma Volkswagen Nutzfahrzeuge, dem Forschungszentrum L3S und dem Institut für Fertigungstechnik und Werkzeugmaschinen der Leibniz Universität Hannover entwickelt.

Eine umfassende Betriebsdatenerfassung und die strukturierte Auswertung dieser Daten ermöglichen es bereits heute, auch die kleinsten Abweichungen im Fertigungsprozess zu identifizieren. Allerdings ist hierfür eine aufwändige manuelle Erstellung und Pflege von Regelwerken zur Identifikation von Prozessverzögerungen und -anomalien notwendig. Der Einsatz einer innovativen selbstlernenden Prozessdatenkennzeichnung mit Hilfe von Clustering-Methoden, kombiniert mit intelligenter Muster- und Anomalieerkennung in Zeitreihen, soll diese Aufwände in Zukunft überflüssig machen.

Erprobt werden die Methodenbausteine zunächst am Volkswagen Nutzfahrzeuge Standort in Hannover. Später soll die Gesamtmethode auf weitere Werke übertragen werden, wodurch Erkenntnisse zur Übertragbarkeit des intelligenten Fertigungsanalysesystems auf andere Werke gewonnen werden können. Eine Rückführung der Erkenntnisse in den methodischen Ansatz ermöglicht im letzten Schritt die Generalisierbarkeit der Methodik. Hierdurch wird ein Transfer der Demonstratorlösung auf andere Anwendungsfälle ermöglicht. Die anschließende Einbindung in das KI-Ökosystem von IIP-Ecosphere über die entstehende IIP-Ecosphere Plattform und den KI-Accelerator ermöglicht dann den niedrigschwelligen Zugang zur Lösung für weitere Anwender.