{"id":742,"date":"2020-07-07T15:34:53","date_gmt":"2020-07-07T13:34:53","guid":{"rendered":"https:\/\/websites.fraunhofer.de\/stec\/?post_type=projects&p=742"},"modified":"2023-03-10T14:08:44","modified_gmt":"2023-03-10T13:08:44","slug":"balluff-machine-learning-fuer-smarte-sensoren-ml4ss","status":"publish","type":"projects","link":"https:\/\/s-tec.de\/en\/projekte\/balluff-machine-learning-fuer-smarte-sensoren-ml4ss\/","title":{"rendered":"Machine Learning f\u00fcr smarte Sensoren (ML4SS)"},"content":{"rendered":"\n\n
\n
\n
\n
<\/div>
<\/div>
<\/div><\/div><\/div>\n<\/div><\/div>\n\n\n\n

Maschinelle Lernalgorithmen f\u00fcr eine intelligente Sensorik<\/h4>\n\n\n\n

Das Exploring Project ML4SS in Zusammenarbeit mit der Balluff GmbH besch\u00e4ftigt sich mit Fragestellungen der Auswertung mithilfe maschineller Lernalgorithmen f\u00fcr integrierte Sensoren in einer Montagelinie. Als Vision sollen smarte Sensoren durch Ans\u00e4tze der K\u00fcnstlichen Intelligenz (KI)<\/a> in der Lage sein, \u00c4nderungen sowie Anomalien in Produktionsprozessen erkennen zu k\u00f6nnen und f\u00fcr die Qualit\u00e4tssicherung nutzbar zu machen.<\/p>\n\n\n\n

Die Auswertung der Fehlercodes der Sensoren erfordert explizite Vorkenntnisse \u00fcber m\u00f6gliche Ursachen und Zusammenh\u00e4nge in Produktionsprozessen. Eine M\u00f6glichkeit f\u00fcr die prognostizierende Qualit\u00e4tssicherung ist die Nutzung von Produktionsdaten und Auswertung mittels maschineller Lernverfahren (ML). Eine erste Umsetzung dieser Fragestellung erfolgte mit Produktionsdaten einer Pilotanlage der Firma Balluff. Hierbei wurde untersucht:<\/p>\n\n\n\n