14. Juli – 15 Uhr – Dr. Nils Haldenwang, slashwhy
Predictive Quality bedeutet, bei komplexen Produktionsprozessen anhand von Labordaten der Rohstoffe, Sensordaten oder Stellgrößen schon vor oder während der Produktion vorhersehen zu können, ob die Zielqualität erreicht werden wird. So lässt sich bereits weit vor nachgelagerten Qualitätsuntersuchungen vorhersagen, mit welchem Ergebnis zu rechnen ist. Während der laufenden Produktion können Gegenmaßnahmen ergriffen werden, um in verschiedene Richtungen zu korrigieren. Sind die zu erwartenden Werte weit besser als das Ziel, lassen sich ggf. Zeit, Material oder andere Ressourcen einsparen. Liegt die Qualität unter dem benötigten Qualitäts-Niveau, lässt sich durch eine Korrektur Ausschuss vermeiden. In beiden Fällen können Kosteneinsparungen realisiert werden. Der Anwendungsfall Predictive Quality hat meistens einen guten Business Case und ist ein tolles Beispiel für die sinnvolle Nutzung von KI-Technologien wie Machine Learning in der Praxis. In diesem Vortrag erfahren Sie, welche Voraussetzungen erfüllt sein müssen und wie es funktioniert.