Predictive Manufacturing – Fallstudie

Ziel der Predictive Manufacturing – Fallstudie ist, kleine und mittlere Unternehmen (KMU) bei der Prozessdigitalisierung im Bereich der „Prognosebasierten Prozesssteuerung“, zu unterstützen. Diese Fallstudie bietet KMUs spezifische Kompetenzen in den Bereichen der datengetriebenen Prozessmodellierung und Predictive Manufacturing an.

Diese Fallstudie basiert auf dem von der Hochschule Kempten mitentwickelten Predictive Analytics-Softwarepaket EIDOdata, das bereits in der Prozessindustrie (Gießerei, Stahlerzeugung und –verarbeitung) international eingesetzt wird. Aus prozessbestimmenden Steuer- und Zielgrößen werden mit Hilfe diverser maschineller Lernmethoden Prozessmodelle erstellt. Diese erzeugen auf Grundlage der aktueller Fertigungs- bzw. Prozesseinstellungen Prognosen der vordefinierten Zielgrößen. In Verbindung mit entsprechenden Fertigungsrezepten, -regeln und -vorschriften werden die berechneten Prognosen für die Erzeugung von Prozesssteuersignalen verwendet.



Fallstudie mit EidoData Software

Diese Fallstudie soll anhand einer Datenmenge zur Fließspannung eines metallischen Werkstoffes die Funktionen der EidoData-Software skizzieren. Um mehr über diesen Datensatz zu erfahren wählen Sie bitte das Element, „Welche Parameter werden gemessen und welche nicht?“. An dieser Stelle sei noch einmal darauf hingewiesen, dass diese Fallstudie kein ausführliches Tutorial für die EidoData-Software darstellt, es ist lediglich eine Einführung in die grundlegenden Funktionen. Bei Fragen und Anregungen zur Fallstudie stehen wir Ihnen jederzeit unter diesem Kontakt zu Verfügung.

Wählen Sie ein Element im Diagramm.