#KIKonSaar2020

Nächster Vortrag

KI zur Materialkennzeichnung in der Montage

10:45 Uhr – 11:30 Uhr

Planung und Kennzeichnung entlang der innerbetrieblichen Wertschöpfungskette leicht gemacht. Bei WollMaschinenbau übernimmt industrielle Kennzeichnung von Bauteilen ein KI gestütztes Expertensystem, das sich für die Handlungsempfehlungen einer Wissensbasis bedient. So werden Experten im Unternehmen entlastet und neue Mitarbeiter können damit lernen, Experte zu werden.

WOLL Maschinenbau GmbH Referenten: Karl-Josef Schmitt; Dirk Burkhard, KI-Trainer

#KIKonSaar2020

Entwicklung eines Expertensystems zur Kennzeichnung von Materialien3

Konzeption eines Expertensystems zur Kennzeichnung von Materialien2

Vorstellung WOLL Maschinenbau GmbH sowie aktuelle Problemstellung1

Agenda

#KIKonSaar2020

WOLL Maschinenbau GmbH

#KIKonSaar2020

1960 – Gründung des Vorläuferunternehmens der WOLL Maschinenbau GmbH

2013 – Übertragung aller Unternehmenswerte in die „Familie Woll Stiftung“

255 Mitarbeiter

Unternehmensvorstellung – WOLL Maschinebau GmbH

#KIKonSaar2020

Bildquelle: WOLL

Wandlungstreiber verursachen Problemstellungen und Herausforderungen, die die Unternehmen beherrschen müssen, um im Wettbewerb erfolgreich zu bleiben.

Sondermaschinenbau: Losgröße 1

Time to Market UmweltTechnologischer Fortschritt

Schw

achs

telle

n im

Pr

oduk

tions

proz

ess

RessourcenlageFortschreitende Globalisierung

Es gibt eine Vielzahl äußeren und inneren Einflüssen, die insbesondere auf die Produktion einwirken

#KIKonSaar2020

Entwicklung/Konstruktion Vorfertigung

VormontageEndmontage

ZeichnungÄnderung

Termin

ZeichnungÄnderung

Termin

Unternehmensvorstellung – WOLL Maschinenbau GmbH

#KIKonSaar2020

Auswahl von Kennzeichnungsträger und Identifikator gemäß Kennzeichnungsanforderungen:− Kundenvorgaben− Normen, Richtlinien und Regelwerke:

− ASME− AD2000− …

− Prozess- und Bauteilrandbedingungen− Lesbarkeitsbedingungen

Kennzeichnung Kombination aus Kennzeichnungsträger und Identifikator

Kennzeichnungsträger Identifikator

Schild

Gravieren

Ink Jet

Nadelprägung

Laser

Elektrochem. Ätzen

Bauteildirektkennzeichnung (DPM)

Stoffschluss

Magnetisch

Etikett

Kunststoff

Stahlblech

Elektronische

DMC

Klartext

Strichcode

QR-Code

Dotcode A

Optische Kennzeichnungen

RFID

NFC

BLE-Beacon

[1]

[3]

[2]

Expertenwissen im Unternehmen ist limitiert und geht durch den demografischen Wandel verloren

Methode zur bauteilindividuellen und prozessspezifischen Kennzeichnung: Kennzeichnungsträger und Identifikator

#KIKonSaar2020

Entwicklung eines Expertensystems zur Kennzeichnung von Materialien3

Konzeption eines Expertensystems zur Kennzeichnung von Materialien2

Vorstellung WOLL Maschinenbau GmbH sowie aktuelle Problemstellung1

Agenda

#KIKonSaar2020

Klassische KI gegen Maschinelles Lernen, Deep Learning und co.Sc

hwac

he /

Spe

zial

isie

rte

KI

Starke KI Terminator, Skynet, Zylonen, Bender … Kl

assis

che/

Sym

bolis

che

KI

Entscheidungsbäume

Expertensysteme

Symbolische Logik Mas

chin

elle

s Ler

nen

Entscheidungsbaum-baumlernen

Deep

Lear

ning

Abbildung: Divisio.io

Mischalgorithmen

Expertensystem mit NN Input

Monte Carlo Suche mit NN Neuronale Netze

LSTM

Naive BayesRandom Forest

E1

A1

A2Z1

Z2

Z1

Z2

A3

A4

A5

A6

A7

A8

A9

A10

Z3

Z4

Z5

…

#KIKonSaar2020

1. Problem Anwender ist „krank“, ohne die genauen Symptome deuten zu können

2. Inputs SystemAnwender wird vom Expertensystem durch gezieltes Fragen angeleitet, seine Symptome dem Expertensystem als Eingangsgrößen zu übermitteln

5. EmpfehlungenDarstellung der Handlungsempfehlungen an den Anwender durch die Erklärungskomponente

3. Ermittlung der Diagnose

Expertensystem ermittelt anhand der Eingangsgrößen mithilfe der Wissensbasis Schlussfolgerungen über den Krankheitsfall

4. Ermittlung von Empfehlungen

Zusammensetzung der Einzelschlussfolgerungen zu einem Krankheitsbild und Ermittlung von geeigneten Handlungsempfehlungen für den Anwender (Patienten) durch das Expertensystem

Expertensysteme – Beispiele aus der Medizin: Diagnose

#KIKonSaar2020

Augmented Intelligence durch die Implementierung eines Expertensystems bei dem Sondermaschinenbauer WOLL

Bereitstellung Verarbeitung und Auswertung Nutzung

Abgleich von historischen und aktuellen Daten

Reproduktion von Regelbasiertem Wissen

Nutzung der Informationen auf dem Shop Floor

#KIKonSaar2020

Komponenten des Expertensystems EingabefensterPRODUKTTYP

WERKSTOFF

Kundenspezifische Parameter:

KENNZEICHNUNGSTSTECHN.

INFORMATIONSTRÄGER

KENNZEICHNUNGSFLÄCHE

INFORMATIONSMENGE

LESBARKEIT

BESTÄNDIGKEIT

LEBENSDAUER

ANBRINGUNGSORT

Druckbehälter

Anlagen-/Maschinenbau

Medizintechnik (produktberührend)

Stahlbau

Baustahl

Edelstahl

Aluminium

Kunststoff

Klarschrift

Strichcode

DMC-Code

QR-Code

RFID

NFC

Nur eine Auswahl-

möglichkeit

Neutral bei Nichtanwählen

Mehrere Auswahl-

möglichkeiten

Pflicht-Feld Kann-Feld

chemisch

mechanisch

Direktkennzeichnung

Klebeetikett

Kunststoffschild

< 2 cm²

2 bis 4 cm²

> 4 cm²

maschinell

menschlich

maschinell und menschlich

< 1 Jahr

> 1 Jahr

> 25 Jahr

Sichtseite JA/NEIN

WANDSTÄRKE

PROZESSFOLGE < 0,5 mm

> 0,5 mm

Reinigung

Schleifen

Lackieren

Schweißen

1 bis 30 Zeichen

31 und mehr Zeichen

Prozess- und produktspezifische Parameter

Kundenspezifische Parameter:

Mehrere Auswahl-

möglichkeiten

Nur eine Auswahl-

möglichkeit

Nur eine Auswahl-

möglichkeit

Nur eine Auswahl-

möglichkeit

Nur eine Auswahl-

möglichkeit

Nur eine Auswahl-

möglichkeit

Nur eine Auswahl-

möglichkeit

Nur eine Auswahl-

möglichkeit

Nur eine Auswahl-

möglichkeit

#KIKonSaar2020

Verarbeitung – Die Wissensbasis des Expertensystems Zerlegung der Kennzeichnung in Kennzeichnungsträger (K) und Identifikator (I) Auswahl von K und I erfolgt gemäß den geltenden Anforderungen und Randbedingungen an die

Kennzeichnung− Kundenvorgaben und Normen / Richtlinien− Prozess- und Bauteilrandbedingungen− Lesbarkeitsbedingungen

Maximale Flexibilität bei der Kennzeichnung durch die anforderungsgerechte, separate Festlegung von K und I gemäß den Kriterien des aktuellen Kennzeichnungsproblems

1. DPM - Laser 2. DPM - Continous Ink Jet

3. DPM - Gravieren 4. DPM - Nadel-prägung

5. DPM - Elektr. Chem. Ätzung

6. Etikett durch Stoffschluss/magn.

7. Kunststoffschild 8. Metallschild (Blech)

A. Klarschrift (A,1) (A,2) (A,3) (A,4) (A,5) (A,6) (A,7) (A,8)B. Strichcode (B,1) (B,2) (B,3) (B,4) (B,5) (B,6) (B,7) (B,8)C. Data Matrixcode (C,1) (C,2) (C,3) (C,4) (C,5) (C,6) (C,7) (C,8)D. QR-Code (D,1) (D,2) (D,3) (D,4) (D,5) (D,6) (D,7) (D,8)E. Dotcode A (E,1) (E,2) (E,3) (E,4) (E,5) (E,6) (E,7) (E,8)F. RFID x x x x x (F,6) x xG. NFC x x x x x (G,6) x x

KennzeichnungsmatrixKennzeichnungsträger

Iden

tifik

ator

DPM = Bauteildirektkennzeichnung; x = Kombination nicht möglich

#KIKonSaar2020

Anwendung der Regelbasis auf folgendes Beispiel:− PROTOTYP: Druckbehälter− WERKSTOFF: Edelstahl− WANDSTÄRKE: > 0,5 mm− PROZESSFOLGE: Reinigen

1. DPM - Laser 2. DPM - Continous Ink Jet

3. DPM - Gravieren 4. DPM - Nadel-prägung

5. DPM - Elektr. Chem. Ätzung

6. Etikett durch Stoffschluss/magn.

7. Kunststoffschild 8. Metallschild (Blech)

A. Klarschrift (A,1) (A,2) (A,3) (A,4) (A,5) (A,6) (A,7) (A,8)B. Strichcode (B,1) (B,2) (B,3) (B,4) (B,5) (B,6) (B,7) (B,8)C. Data Matrixcode (C,1) (C,2) (C,3) (C,4) (C,5) (C,6) (C,7) (C,8)D. QR-Code (D,1) (D,2) (D,3) (D,4) (D,5) (D,6) (D,7) (D,8)E. Dotcode A (E,1) (E,2) (E,3) (E,4) (E,5) (E,6) (E,7) (E,8)F. RFID x x x x x (F,6) x xG. NFC x x x x x (G,6) x x

KennzeichnungsmatrixKennzeichnungsträger

Iden

tifik

ator

Nicht zulässige Kennzeichnungstechnologien und Informationsträger werden eliminiert.

Verarbeitung – die Wissensbasis des Expertensystems

#KIKonSaar2020

Die Erklärkomponente des Expertensystems

HANDLUNGSEMPFEHLUNG ÜBERNEHMEN

HANDLUNGSEMPFEHLUNG ABLEHNEN

HANDLUNGSEMPFEHLUNG DES EXPERTENSYSTEMS

RANG KENNZEICHNUNGSTECHNOLOGIE INFORMATIONSTRÄGER HISTORISCHE VERWENDUNG

REGELN

1. DPM - Nadelprägung Klarschrift 32 Projekte

2. … … …

3. … … …

….

Identische Handlungsempfehlung aus historischen Projekten die mit den aktuellen Kennzeichnungsparametern übereinstimmen

Liste der verwendeten Regeln die zur Handlungsempfehlung führten

Dem Benutzer obliegt die Zustimmung zur Übernahme der vorgeschlagenen Kennzeichnung

#KIKonSaar2020

Entwicklung eines Expertensystems zur Kennzeichnung von Materialien3

Konzeption eines Expertensystems zur Kennzeichnung von Materialien2

Vorstellung WOLL Maschinenbau GmbH sowie aktuelle Problemstellung1

Agenda

#KIKonSaar2020

Bereitstellung – Geometrischer und Attribute-basierter Abgleich von Bauteilen

Ähnlichkeitsgrad

Ergebnis: Nutzung historischer Daten ähnlicher Bauteile für das aktuelle Projekt

Ausgangspunkt:– Bauteilzeichnung / -skizze

in CAD– Bauteil in Teiledatenbank

Geometrischer und Attribute-basierter Ähnlichkeitsvergleich für CAD-Bauteile

#KIKonSaar2020

Ausschnitt aus dem Expertensystem zur Kennzeichnung von Bauteilen

Übernahme der historischen Daten eines ähnlichen Bauteils

Dialogkomponente

1

#KIKonSaar2020

Ausschnitt aus dem Expertensystem zur Kennzeichnung von Bauteilen

Ausgabe von möglichen Kennzeichnungsvarianten

Dialogkomponente

1 Ergebnis- und Erklärungskomponente

2

#KIKonSaar2020

Bereitstellung der Informationen auf der analogen Technischen Zeichnung

Ausschnitt aus dem Expertensystem zur Kennzeichnung von Bauteilen

QR-Code

3

#KIKonSaar2020

Nutzung – Funktionalitäten zur intelligenten Kennzeichnung von Materialien

Kenn

zeic

hnun

gs-

funk

tione

nNutzung der reproduzierten InformationenMensch Maschine Schnittstelle

#KIKonSaar2020

AD Regelwerk

Ausblick und Verwertung der Ergebnisse Material-

kennzeichnung

………

DruckbehälterverordnungKlassifizierungWanddickePrüfumfänge……..

Integration weiterer Geschäfts- und Produktionsregeln in das Expertensystem

#KIKonSaar2020

Verteile bei der Nutzung des ExpertensystemsImplizites Wissen der Mitarbeiter kann reproduzierbar festgehalten werden Kennzeichnungsentscheidungen: Dokumentationsfähigkeit / Nachweisbarkeit Objektive, mathematisch belegbare Lösungsfindung Objektive Lösungsbewertung möglichBerücksichtigung der historischen Kennzeichnungsfälle in Datenbank: Gezielte Auswahl möglich Nutzung von weiteren Tools zum Auffinden „ähnlicher“ Kennzeichnungen

Geolus