Bei unserem Vor-Ort-Besuch im Unternehmen konnten wir wertvolle Einblicke in die internen Prozesse gewinnen und uns intensiv über die Methoden und Anwendungen von Künstlicher Intelligenz austauschen.
Das Unternehmen stellte uns die Daten einer Spritzgussmaschine zur Verfügung, die wir gemeinsam überprüften und ergänzten. Anschließend führten wir eine Korrelationsanalyse der Prozessparameter durch. Dabei konnten wir wichtige Wechselwirkungen und deren Einfluss auf die Produktqualität identifizieren. Diese Erkenntnisse bildeten die Grundlage für die Entwicklung von maschinellen Lernmodellen, die den Spritzgussprozess präzise abbilden und zuverlässige Qualitätsprognosen ermöglichen. Erfreulicherweise haben diese Modelle eine Genauigkeit von 98 Prozent erreicht.
Im nächsten Schritt erwarten wir die Bereitstellung neuer Daten durch die die Plastic Concept GmbH, um unsere Analysen zu vertiefen. Ziel ist es, möglichst alle vorhandenen Qualitätsklassen, die auftreten können, abzubilden. Dies wird es uns ermöglichen, verschiedene Arten von Fehlern oder Abweichungen im Spritzgussprozess besser zu verstehen, zu modellieren und daraus weiterführende Methoden zur Prozessoptimierung zu entwickeln.
