Logo

Diebold Nixdorf

KI-gestütztes Service-Engineering

Für Unternehmen spielt die Optimierung verschiedenster Prozesse eine immer wichtigere Rolle. Die Automatisierung schreitet stetig voran und benötigt ebenfalls stetig verbesserte automatisierte Analyseprozesse. Geldautomaten sind hochkomplexe mechatronische Systeme, deren Verhalten durch eine Anzahl von Aktoren- und Sensordaten überwacht werden. Bisher werden Muster in den Maschinendaten durch einfache Regeln auf mögliche Defekte gemappt, ohne differenzierte Reparaturanweisungen an den Servicetechniker zu geben und ohne die Servicehinweise durch Ergebnisse des Technikereinsatzes zu verifizieren. Dies soll durch Machine Learning (ML) gewährleistet werden.

Ziel des Vorhabens ist die Erforschung von Anwendungsfällen und damit verbundener Algorithmik auf existierenden Maschinendaten– und Serviceplattformen zur Umsetzung einer Anreicherung von sogenannten Service Calls bzw. –events. Die angestrebten Arbeiten setzen sich zusammen aus der Entwicklung von Schnittstellen zur KI-Markplatz Plattform (1), der Sicherstellung der Validität und Aussagekraft der Datenbasis (2) und die Konzipierung von KI-Anwendungen für die Produktenentstehung (3).

  1. Für die Umsetzung von ML–Algorithmen ist eine Datenbasis erforderlich. Dadurch kann mit Hilfe von verschiedenen Verfahren eine KI angelernt werden, die in der Lage sein soll, Fehler zu erkennen, Fehlerursachen gezielt zu klassifizieren und schließlich dem Servicetechniker genaue Reparaturanweisungen bereitzustellen. Dadurch wird gewährleistet, dass Kosten, Zeit und Ersatzteile zielgerechter eingesetzt werden können.
  2. Um sicherzustellen, dass die KI präzise Fehlerursachen klassifiziert, wird die KI mit nicht identischen Daten trainiert und validiert. Nachdem die KI trainiert ist und Vorhersagen treffen kann, wird die KI auf weiteren Datensätzen getestet.
  3. Die Konzipierung von KI-Anwendungen für die Produktentstehung wird zunächst im Rahmen der Pilotprojekte für den KI-Marktplatz entwickelt. Das Fraunhofer IOSB-INA unterstützt forschungsseitig Vorhaben in der Realisierung von KI-Anwendungen und ML-Verfahren für unterschiedliche Anwendungsfälle.

Projekte

Hella_Aglaia

Hella Aglaia

Schild, Baum oder Mensch? Damit selbständig fahrende Autos ihre Umgebung wahrnehmen können, müssen große Bild- und Videodaten ausgewertet und Objekte wie Schilder, Bäume oder Fußgänger präzise gekennzeichnet werden. Mit den markierten Daten wird ein Algorithmus trainiert, der beim autonomen Fahren zum Einsatz kommt. Ziel des Projektes mit Hella Aglaia und dem Fraunhofer IEM ist eine Lösung zur Analyse und Annotation von Video-Daten sowie dem Training und der Validierung von neuronalen Netzen für KI-Anwendungen.

Mehr erfahren
Claas Logo

CLAAS

Künstliche Intelligenz hat das Potenzial die Art und Weise wie gearbeitet und gewirtschaftet wird grundlegend zu verändern. Dieses Potential hat CLAAS GmbH & Co. KGaA, ein international agierender Landmaschinenhersteller, erkannt und erprobt im KI-Marktplatz gemeinsam mit den Fraunhofer-Instituten IEM und IPK einen speziellen Use Case für die Integration von KI in Computer Aided Design (CAx).

Mehr erfahren
Hella_Gutmann_Solutions

Hella Gutmann

Derzeit setzt die Fahrzeugdiagnose in einer Werkstatt umfassende KFZ-Kenntnisse voraus und ist mit einem umfangreichen Arbeitsaufwand verbunden. Ziel von Hella Gutmann ist es daher, eine KI-Anwendung zur KI-gestützten Diagnose und Identifikation potentiell defekter KFZ-Bauteile auf Grundlage historischer Fahrzeugdaten (z.B. Fehlercodes, Sensormesswerte und KM-Stände) zu entwickeln und dabei eine weitere Vielzahl an Datenquellen (z.B. Rechnungsdaten, Reparaturinformationen etc.) zu integrieren.

Mehr erfahren
Düspohl

düspohl

In diesem Projekt soll ein Einrichtprozess in einem automatisierten Fertigungsprozess mithilfe von KI optimiert werden und das bisher noch manuelle „Einteachen“ ablösen. Darüber hinaus soll die voraussichtliche Herstellbarkeit neuer Produktspezifikationen automatisiert beurteilt werden können. Dieses Pilotprojekt wird von düspohl Maschinenbau GmbH und dem Fraunhofer IEM vorangetrieben.

Mehr erfahren
Westaflex_RGB-1-1024×156

Westaflex

Im Fokus des Projektes von Westaflex mit dem Fraunhofer IEM steht eine KI-Anwendung, mit deren Hilfe die Reihenfolgenplanung von Fertigungsaufträgen optimiert wird. Dazu sollen Echtzeitdaten aus der Produktionssteuerung sowie von Maschinen ausgewertet werden, um Hinweise für die optimalen Maschinenbelegungen zu extrahieren.

Mehr erfahren
ubermetrix

Ubermetrics

Ziel des Projektes von Ubermetrics ist eine KI-Anwendung, die relevante Informationen aus unstrukturierten oder semi-strukturierten Texten (z.B. Onlinebewertungen, Beschwerde-Emails, Serviceberichte, Reklamationsreports) extrahiert, analysiert und einem Entwickler systematisch verfügbar macht. Die Anwendung kann beispielsweise im Rahmen der gezielten Optimierung von Systemkomponenten genutzt werden.

Mehr erfahren