Projekte

Ein zentraler Schwerpunkt des KI-Fortschrittzentrums ist die direkte Kooperation mit Industrieunternehmen: Machbarkeitsstudien (Quick Checks) und Projekte zur Entwicklung erster Prototypen (Exploring Projects) von KI-Anwendungen. Darüber hinaus zielen Konsortialprojekte und Innovationsnetzwerke auf einen unternehmensübergreifenden Austausch ab.

Nach dem erfolgreichen Abschluss der Pilotphase wurde das Projekt KIRR Real in das KI-Fortschrittzentrum integriert und ausgebaut. Damit erweitert sich das Kooperationsangebot um regulatorische Analysen (Legal Quick Checks). Die Ergebnisse der Legal Quick Checks aus der Pilotphase sind auf der KIRR Real Homepage dokumentiert. Legal Quick Checks des KI-Fortschrittszentrums werden auf dieser Seite publiziert.

Entwicklung und Innovation

Logistik und Warenwirtschaft

Marketing und Kommunikation

Produktion und Qualitätsmanagement

Verwaltung und Organisation

Rechtliche Analysen

ML-gestützte Vorhersage der Schraubenrichtqualität

Ein ML-Modell sagt anhand von Messdaten und Prozessparametern die Durchbiegungsänderung an Schrauben während des Richtprozesses voraus, wodurch Automatisierung und Qualitätssicherung ermöglicht werden. Besonders erfolgreich ist dabei die Klassifikation, die mit hoher Genauigkeit vorhersagt, ob die Schrauben nach dem Pressen innerhalb der Toleranz liegen.

MRK-Applikation-zur-Bestueckung-von-Maschinen

MRK-Applikation zur Bestückung von Maschinen

Im Rahmen des Quick Checks ist ein Konzept zur Bestückung von Maschinen für das Stanzen von Schraubenköpfe als kollaborative Applikation erarbeitet worden. Die Applikation ist als mobile Roboter-Plattform und mittels Bin-Picking-Lösung konzeptioniert.

NeuraConnect: Auslagerung rechenintensiver Operationen in eine 5G-Edge-Cloud

Auslagerung rechenintensiver Operationen in eine 5G-Edge-Cloud.

Optische Qualitätskontrolle von Oberflächen

Die Defekte der thermischen Verformung von Flugzeug-Esstischen werden durch den SFS-Algorithmus erkannt. Die Ergebnisse können mit KI-Algorithmen weiterverarbeitet und Materialfehler mit geeigneter Beleuchtung visualisiert werden.

Packplanung Versandkarton

Automatische modellfreie Vorgabe von Packmustern für Versandkartons.
Automatisierung des Verpackungsprozesses für diverse Objekten.

Peg-Men: Flexible Bestückung unter Störgrößen

Flexible Bestückung sensibler Ventilnadeln wird durch Deep Reinforcement Learning und Physiksimulation optimiert. Ziel ist die Automatisierung repetitiver Prozesse, um Effizienz und Präzision zu steigern.

Perzeption zur automatisierten Handhabung formlabiler Bauteile (AutoLab)

Automatisierte Handhabung formlabiler Bauteile optimiert Montageprozesse durch KI-gestützte Perzeption, Handhabung und Inspektion, um Effizienz und Qualität in der Produktion zu steigern.

Planning Bot

Ziel ist die Identifikation von KI-Anwendungen zur Verbesserung der Produktionsprogrammplanung. Mitarbeitende erhalten Schulungen, um Anwendungsfälle zu entwickeln und die Implementierung zu unterstützen.

Potenziale der Nutzung von KI bei Electronic Manufacturing Services (EMS)

Die Effizienz im Kundenauftragsprozess wird durch einen KI-Prototyp gesteigert, der die automatische Prüfung von Stücklisten im EMS-Bereich unterstützt. Inkonsistenzen und Fehler werden anhand von Beispieldaten erkannt und markiert, was den manuellen Aufwand deutlich reduziert.

Predictive Services

Mithilfe maschinellen Lernens sollen Fehler im Schneideprozess frühzeitig erkannt werden. Daten aus Logfiles und Serviceberichten ermöglichen eine zuverlässige Vorhersage und Minimierung von Maschinenausfällen.