PrePAIR | Prädiktives Fehlermanagement mit KI in der Produktion

Ziel des Forschungsprojekts PrePAIR ist die Verbesserung des unternehmensübergreifenden Fehlermanagements. In vier Anwendungsfällen werden verschiedene KI-Anwendungen entwickelt, um Fehler entlang der Wertschöpfungskette zu minimieren. Um den unternehmensübergreifenden Datenaustausch zu ermöglichen, werden die neuesten Technologien des im Rahmen von Catena-X entwickelten Datenökosystems eingesetzt.

Koordination: PRS Technologie Gesellschaft mbH
Ansprechperson in den Forschungsgruppe CiP: Yuxi Wang M.Sc.
Teilprojektleitung: Jan Chytraeus M.Sc.

Laufzeit: 01.11.2023 – 31.07.2026
Förderung: Bundesministerium für Wirtschaft und Klimaschutz (BMWK)
Webseite: www.linkedin.com

Ausgangssituation

Der Wandel in der Automobil- und Schienenfahrzeugindustrie wird durch Umweltschutz, Digitalisierung und neue Mobilitätsformen vorangetrieben. Aktuell wird die Branche mit einer Vielzahl an Herausforderungen konfrontiert: Die Elektrifizierung führt zu einer steigenden Variantenvielfalt, während gleichzeitig hohe Kundenanforderungen eine konstant hohe Produktqualität verlangen. Diese Anforderungen und volatile Lieferketten erhöhen die Komplexität der Produktionsprozesse. Die zunehmende Komplexität erschwert die Ursachenanalyse von Qualitätsmängeln, die in allen Phasen des Produktentstehungsprozesses auftreten können. Dies führt dazu, dass oftmals lediglich kurzfristige Sofortmaßnahmen ergriffen werden, ohne die Grundursachen systematisch zu beheben. Es fehlen Werkzeuge für einen wertschöpfungskettenübergreifenden Wissensaustausch, was die Identifikation von Fehlerursachen erheblich erschwert. Dadurch wird ein prozessübergreifendes Lernen aus früheren Problemen behindert.

Zielsetzung

Um diese Herausforderungen zu bewältigen, ist es das Ziel des Projekts, das unternehmensübergreifende Fehlermanagement durch den gezielten Einsatz von KI-Methoden entlang der industriellen Wertschöpfungskette zu verbessern. Dabei kommen Technologien des Datenökosystems Catena-X zum Einsatz. Es soll ein Leitbild für die Implementierung von Catena-X erstellt und entsprechende Handlungsempfehlungen abgeleitet werden. Die Hauptinnovation ist ein wertstrom- und domänenübergreifender Fehlermanagementprozess, der durch KI-gestützte Datenqualitätsverbesserung, Merkmalsextraktion und prädiktive Analysen ergänzt wird. Die resultierenden Softwarelösungen sollen branchenspezifisch angepasst und breit einsetzbar gemacht werden, um nachhaltige Verbesserungen entlang der gesamten Wertschöpfungskette zu ermöglichen.

Vorgehensweise

Die Umsetzung des Projekts bringt zahlreiche Vorteile: Die Anwendungspartner können ihre Produktionsprozesse verbessern und ihre Wettbewerbsfähigkeit stärken. Die KMU profitieren von neuen Erfahrungen und Anwendungsfällen, die sie für die Entwicklung ihrer Softwareanwendungen sammeln, um diese auch über die Projektlaufzeit hinaus profitabel zu nutzen. Aus wissenschaftlicher Sicht leistet das Projekt einen wichtigen Beitrag zur Weiterentwicklung von KI im Fehlermanagement und ermöglicht eine praxisnahe Evaluation. Zudem werden im Projekt durch die Praxisanwendungen wertvolle Erkenntnisse für das Datenökosystem Catena-X gesammelt. Die entwickelten Lösungen zielen darauf ab, nicht nur den Projektbeteiligten Vorteile zu bieten. In Zukunft sollen alle Unternehmen der Automobilindustrie von ihnen profitieren.

Danksagung

Dieses Projekt wird durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK) gefördert. Wir danken für die Möglichkeit dieses Projekt bearbeiten zu dürfen.

Fördergeber

Projektträger

Konsortialpartner