Die Wissenschaftler*innen des Zukunftslabors Produktion rüsteten eine Druckgießanlage mit Sensoren und Verarbeitungseinheiten aus, um Daten des Druckgießprozesses zu erfassen, lokal zusammenzuführen und auszuwerten. Die Ergebnisse werden dann an ein lokales Dashboard und eine Cloud-Datenplattform übertragen.
Für den Einsatz von Machine Learning (ML) untersuchten die Wissenschaftler*innen, welche Sensoren relevante Daten liefern. Zudem analysierten sie die Zusammenhänge zwischen Produktionsparametern und der Bauteilqualität sowie die Auswirkungen des Werkzeugverschleißes auf die Prognosegüte der ML-Modelle.
Digitale Technologien können die Produktionsplanung und -steuerung erleichtern. In diesem Zusammenhang untersuchten die Wissenschaftler*innen das Potenzial automatisierter Machine-Learning-Modelle für die Absatzprognose. Außerdem entwickelten sie ein Konzept zur Integration der Kreislaufwirtschaft ins Supply Chain Mana...
Zur Optimierung komplexer Produktionsprozesse ist es notwendig, unternehmensübergreifend Daten auszutauschen. Hierfür entwickelten die Wissenschaftler*innen des Zukunftslabors Produktion einen Demonstrator, der einen geschützten Datenaustausch ermöglicht, ohne dass Unternehmen Geschäftsgeheimnisse preisgeben müssen.
