Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Qualitätsbasierte Überwachung von Fertigungsprozessen mit kleiner Losgröße

Active Learning in der Prozessüberwachung
Quality based monitoring in small batch production processes
 
: Kaupp, Markus; Neher, Joachim

:
Postprint urn:nbn:de:0011-n-2083388 (1.0 MByte PDF)
MD5 Fingerprint: ec79ba51235654d42c7b9c0baac9fe9d
Created on: 15.8.2012


VDI/VDE-Gesellschaft Meß- und Automatisierungstechnik -GMA-, Düsseldorf:
Automation 2012. 13. Branchentreff der Mess- und Automatisierungstechnik : Kongresshaus Baden-Baden, 13. und 14. Juni 2012
Düsseldorf: VDI-Verlag, 2012 (VDI-Berichte 2171)
ISBN: 978-3-18-092171-6
ISSN: 0083-5560
12 pp. (CD-ROM), Abstract pp.147-150
Kongress Automation <2012, Baden-Baden>
Branchentreff der Mess- und Automatisierungstechnik <13, 2012, Baden-Baden>
German
Conference Paper, Electronic Publication
Fraunhofer IPA ()
Kleine Losgröße; Prozessüberwachung; Monitoring; process monitoring; automatische Fertigung; Fertigungsprozess; Qualitätsprüfung; Überwachung

Abstract
Voraussetzung für die automatisierte Fertigung von Gütern ist die Verfügbarkeit zuverlässiger Überwachungssysteme. Solche Systeme ermöglichen es, im Falle ungünstiger Prozesszustände rechtzeitig regelnd eingreifen zu können. Die derzeit verfügbaren Prozessüberwachungssysteme können allerdings nur mit großem Aufwand an konkrete Fertigungsprozesse angepasst werden. Dieser Aufwand rechnet sich nur für Fertigungsprozesse mit großen Stückzahlen. Um zukünftig auch Fertigungsprozesse mit kleinen und mittleren Losgrößen effizient überwachen zu können, wurde am Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA) ein neuartiges Überwachungssystem entwickelt. Dieses System verwendet zur Prozessmodellierung Methoden aus dem Bereich des active learning und lässt sich dadurch mit minimalem Aufwand an den zu überwachenden Prozess anpassen. Bei Bedarf kann der aktive Lernalgorithmus noch zusätzliche Anpassungen vornehmen. Diese Anpassungen können jedoch erfolgen, während der Prozess bereits überwacht wird.

 

Automated production systems require reliable monitoring systems. Unfortunately, the effort of adapting classical monitoring systems to a specific production process is very high and hence only pays off for processes with large batch sizes. The Fraunhofer Institute for Manufacturing Engineering and Automation developed a new approach for monitoring systems that explicitly fit the needs of small batch production processes. This new approach uses active learning methods to model the underlying production process. As a result, this monitoring system requires only a small set of training data for an initial adaption to the process. Subsequently, active learning algorithms refine the system's rediction model if required. This refinement happens while the monitored production process is running. By using this new approach, the effort of initially adapting the monitoring system can be reduced to a minimum. Therefore, it is worthwhile even for small batch processes. This paper briefly presents the basic ideas of active learning and shows how this concept can be applied in process monitoring systems. Subsequently, it describes the application of such a monitoring system in a real-world injection molding process.

: http://publica.fraunhofer.de/documents/N-208338.html