DeepQuality - Einsatz von robusten Deep-Learning-Methoden zur automatischen Qualitätsbewertung von Stahlprodukten

Ausgangssituation:
Die kritische Bedeutung von Entscheidungsprozessen in der Fertigung, insbesondere bei komplizierten Vorgängen wie der Stahlproduktion, ist ein grundlegendes Thema in Produktionssystemen. Diese Prozesse bilden das Rückgrat der Produktionssysteme und beeinflussen jeden Aspekt des Fertigungsprozesses. Moderne Entscheidungsunterstützungssysteme (DSS) können bei der Lösung von Herausforderungen helfen, die durch die steigenden Kundenanforderungen und die Notwendigkeit anpassungsfähiger Produkteigenschaften bedingt sind und Rückwirkungen auf die Planung haben.
Projektziele:
Das Hauptziel von DeepQuality ist es, die automatisierte Qualitätsbewertung in der Stahlproduktion zu verbessern. Um dieses Ziel zu erreichen, verfolgt das Projekt einen synergetischen Ansatz, bei dem modernste Deep-Learning-Technologien mit hochentwickelten Datenmanagementtechniken kombiniert werden. Auf diese Weise will das Projekt die Entscheidungsprozesse in der Stahlindustrie verbessern und letztlich die Produktionseffizienz und Produktqualität optimieren.
Innovative Ansätze:
- Verwendung von Produktionsdaten-Pipelines
- Industrielles Management von Trainingsdaten
- Robuste Anwendung von Deep Learning Techniken
- Online-Anwendung von Deep Learning-Qualitätsmodellen
Nutzen für die Industrie:
Eine höhere Genauigkeit der Qualitätsüberwachungssysteme wird zu präziseren Reaktionen führen, was die Effizienz der Prozesse und eine engere Übereinstimmung der Materialeigenschaften mit den festgelegten Werten verbessern wird. Die verbesserten Qualitätsentscheidungen werden zu weniger Nacharbeit führen und die Lieferleistung wird sich verbessern, was zu einer höheren Kundenzufriedenheit führt.
Je früher ein Coil aufgrund unzureichender Produkteigenschaften aussortiert werden kann, desto geringer sind die Kosten für vermeidbare Produktionsschritte.,. Dies führt zu erheblichen Kostensenkungen, insbesondere weil weniger ungeeignetes Material an die Kunden geschickt wird und das Risiko von Kundenreklamationen sinkt.
Genauere Qualitätsspezifikationen können veraltete Lieferbedingungen ablösen und Kosten einsparen. Die maßgeschneiderte Produktqualität verbessert die Liefersicherheit und senkt die Produktionskosten, was ein höheres Maß an Vertrauen in die Qualität des Coils zur Folge hat.
Durch die verbesserte Transparenz über die Qualität jedes einzelnen Coils ist eine Optimierung der Produktion pro Coil möglich, wodurch sie sich der Null-Fehler-Produktion nähert.
Weitere Informationen zu dem Projekt finden Sie nachfolgend: DeepQuality
Partner
Förderungsnummer
Ihre Kontaktperson

38 Dr. Ahmad Rajabi
+49 211/98492-215
ahmad.rajabi_at_bfi.de