value chAIn – AI-Based Failure Management in Value Chains

Steckbrief

Eckdaten

Laufzeit:
01.08.2021 bis 31.07.2024
Organisationseinheit:
Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement, Quality Intelligence
Fördergeber:
Bundesministerium für Wirtschaft und Energie BMWi
Status:
Laufend

Forschungspartner

    • Fraunhofer-Institut für Produktionstechnologie IPT
    • i2solutions GmbH
    • DATAbility GmbH
    • IconPro GmbH
    • MAN Truck & Bus SE
    • KRONE Business Center GmbH & Co. KG

Kontakt

Telephone

work Phone
+49 241 80 28221

E-Mail

 

Das Ziel des Vorhabens value chAIn ist es, wertschöpfungskettenübergreifend und produktlebenszyklusbetreffend, eine Optimierung der Produktion und des Betriebs von Nutzfahrzeugen mittels künstlicher Intelligenz für den Betrachtungsbereich des Fehlermanagements zu erzielen. Im Rahmen des Forschungsvorhabens wird insbesondere die Steigerung der Transparenz hinsichtlich relevanter Abhängigkeiten zwischen unterschiedlichen Instanzen übergreifender Wertschöpfungsstufen angestrebt. Fokussiert wird die Entwicklung und Implementierung intelligenter Analysemethoden zur Entscheidungsunterstützung. Durch dieses Vorgehen sollen z.B. Fehler in den Produktionsprozessen proaktiv abgestellt, Wartungen in der Nutzungsphase der Nutzfahrzeuge vorausschauend durchgeführt und die Entwicklung von Produkten optimiert werden. Dieses Ziel wird durch die horizontale und vertikale Vernetzung und Auswertung der digitalen Zustands- und Störungsinformationen entlang der Wertschöpfungskette (englisch: value chain) von Nutzfahrzeugen erreicht. Wesentliche Voraussetzung ist die organisationsübergreifende Bereitstellung von Produktions- und Nutzungsdaten.

Mithilfe künstlicher Intelligenz werden Analysen zu Predictive Maintenance (zur Vorhersage und Optimierung der Wartungen der Nutzfahrzeuge sowie von Produktionseinheiten), Predictive Quality (zur Vorhersage der Produktqualität in der Produktion) und Process Optimization (zur Identifizierung optimaler Parameter) umgesetzt. Aufbauend wird ein Entscheidungsunterstützungssystem entwickelt, welches mit den Ergebnissen und Daten der Machine Learning-Modelle sowie dem Expertenwissen der Mitarbeiter bedarfsgerechte Informationen und Handlungen zur optimalen Entscheidungsauswahl bereitstellt. Die Umsetzung dieser Innovationen erfolgt durch die Zusammenarbeit eines Projektkonsortiums bestehend aus Nutzfahrzeugherstellern, IT-Befähigern und Forschungseinrichtungen.