BFI VDEh-Betriebsforschungsinstitut GmbH

BFI VDEh-Betriebsforschungsinstitut GmbH
deutsch deutsch englisch englisch
  • Das Institut
    Das Institut. Kontakt.
  • Kernkompetenzen
    CO2-Minderung und Energieeffizienz. Digitalisierung und Prozessmesstechnik. Kreislaufwirtschaft. Prozessoptimierung.
  • Projekte.
  • Dienstleistungen
    Labor und Technikum. Hochtemperaturtechnikum. Betriebskampagnen. Minimierung von Staubemissionen und -imissionen. Modellierung Simulationsrechnungen . Steuerliche Forschungsförderung. Geförderte Forschung und Entwicklung. Patente und Auslizenzierung. Gutachten und Gremienarbeit.
  • Lösungen
    BFI-Planheitsmessrolle. Optische Messsysteme. Softwarelösungen.
  • Publikationen.
  • Karriere.
  • Aktuelles.

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

zurück

Partner

ArcelorMittalCaleotto Steel SpecialistCeticUniversidad Politecnica De MadridRINAESF Elbe-Stahlwerke Feralpi GmbHSMS GroupQuinLogic

Förderungsnummer

RFCS Grant Agreement No. 101034037

Ihre Kontaktperson

Dr. Ahmad Rajabi

38 Dr. Ahmad Rajabi

+49 211/98492-215
ahmad.rajabi_at_bfi.de

VDEh-Betriebsforschungsinstitut GmbH
Sohnstrasse 69
40237 Düsseldorf
Germany

Folgen Sie uns:external Link. external Link.

Impressum Datenschutzhinweise Förderverein (VFaF) Kartellrecht (Leitfaden) Gleichstellungsplan AGB