Am Beispiel des Aluminium-Druckgusses digitalisieren die Wissenschaftler*innen des Zukunftslabors Produktion bestehende Anlagentechnik. Sie nutzen Daten aus der Gießsimulation, Sensor- und Qualitätsdaten sowie Algorithmen des Maschinellen Lernens, um die Qualität zukünftiger Druckgussteile verbessern zu können.
Machine Learning kann eingesetzt werden, um die Qualität von Bauteilen zu prognostizieren. Die Wissenschaftler*innen des Zukunftslabors Produktion erforschen den Einsatz von Active Learning zur autonomen Rückführung von Fertigungsdaten und berücksichtigen die Auswirkungen von Werkzeugverschleiß bei Qualitätsprognosen.
Die Wissenschaftler*innen des Zukunftslabors Produktion entwickelten ein Machine-Learning-Modell (ML-Modell) für die Vorhersage von Bearbeitungszeiten in der industriellen Fertigung. Außerdem entwickelten sie ML-Modelle zur Bedarfs- und Absatzprognose unter Hinzunahme unternehmensexterner Datenströme.
Die Plattform des Zukunftslabors Produktion ermöglicht es, Produktionsdaten unternehmensübergreifend zu analysieren, ohne die Datensouveränität aufzugeben. Um einen sicheren Informationsaustausch zu gewährleisten, implementieren die Wissenschaftler*innen des Zukunftslabors Sicherheitsaspekte gemäß geltender Normen.
