Fehlerquellen im Automotive-Bereich besser erkennen - Factory Innovation

Fehlerquellen im Automotive-Bereich besser erkennen

Fraunhofer IGD entwickelt KI-basierte Bauteilkontrolle für schnellere Umrüstzeiten

Lesedauer: < 1 Minute

28. April 2022

Fehlerquellen im Automotive-Bereich besser erkennen
Foto: ©Fraunhofer IGD

Bauteile mobil und in Echtzeit überprüfen – das ermöglicht die Software MARQUIS des Fraunhofer IGD. Anwender im Automotive-Bereich profitieren von kurzen Umrüstzeiten, einer nutzerfreundlichen Führung sowie einer Kostensenkung infolge von weniger Stillstand der Produktionslinien. Die Fehlerquellen an Produktionslinien sind vielfältig. Eine fehlende Schraube, ein verschobenes Federbein oder ein herumliegender Schraubenschlüssel. Umso wichtiger sind effiziente und anwenderfreundliche Prüfsysteme. MARQUIS reduziert die Zeit für die Fehlerquellensuche.

https://www.igd.fraunhofer.de/

Arbeitsvorbereitungautomatisierte BauteilkontrolleAutomotiveInspektionKostensenkungKünstliche IntelligenzPrüfsystemUmrüstzeit





Das könnte Sie auch interessieren

Sensoren verändern die Logistik

Das Internet of Things beginnt sich auszubreiten und konkretere Gestalt anzunehmen. Die meisten von uns haben schon erste Erfahrungen mit Smart Home gemacht. Mit ein paar Sensoren, Schaltern und etwas Entscheidungslogik kann man Beschattungs- und Beleuchtungsprozesse im Haus automatisieren, Temperaturen, Energieverbrauch und das Haus auf Eindringlinge überwachen. Manches davon ging auch früher schon, doch war... [mehr]... [more]

Roboter mit Augmented Reality leichter programmieren

Roboterprogrammierung ist trotz allen Weiterentwicklungen in der Steuerungstechnik und Mensch-Maschine-Interaktion immer noch ein kompliziertes Problem und dementsprechend kostspielig. Gerade in KMU stehen dem Robotereinsatz daher hohe Hürden gegenüber.

Robotik als Schlüsselkomponente für die Logistik 4.0

Im Gegensatz zum Einsatz von Robotern in standardisierten Produktionsprozessen müssen Roboter innerhalb von dynamischen Logistikprozessen flexibel und anpassungsfähig gegenüber variablen Umgebungsbedingungen und nicht standardisierten Gütern sein. Durch die Fortschritte im Bereich der künstlichen Intelligenz und die Vernetzung durch Industrie 4.0 werden Roboter in Zukunft auch komplexe Aufgabenstellungen in der Logistik zuverlässig ausführen können. Eine entscheidende... [mehr]... [more]

Machine Learning in der adaptiven Fertigungssteuerung

In der Arbeitsplanung werden derzeit zumeist statische Bedingungen angenommen und vermeintlich optimale Fertigungsabfolgen vor dem Produktionsstart festgelegt. Dynamische Einflüsse während der Fertigung führen zu unsystematischen Umplanungen und einem ineffizienten Planungsergebnis. Im Folgenden wird daher ein Ansatz zur adaptiven Fertigungssteuerung mit Hilfe eines Genetischen Algorithmus präsentiert. Die Trennung von Arbeitsplanung und Fertigungssteuerung hat sich im Bereich... [mehr]... [more]

Anbieterportal


alle Anbieter
Sharer Icon: facebookSharer Icon: TwitterSharer Icon: LindekInSharer Icon: XingSharer Icon: EnvelopeSharer Icon: Print

Wir verwenden Cookies, um die Nutzererfahrung stetig zu verbessern. Mehr Erfahren.

We use cookies to constantly improve our users’ experience. Learn more.

Essentielle Cookies

Essential Cookies

Cookie Settings
Speichert Einstellungen, die hier getroffen werden. (1 Jahr)

Cookie Settings
Saves selected settings. (1 Year)

Statistik

Statistics

Google Analytics | Google LLC | Datenschutz
Cookie von Google für Website-Analysen. Erzeugt statistische Daten darüber, wie der Besucher die Website nutzt. Alle Informationen werden anonymisiert gespeichert. (2 Jahre)

Google Analytics | Google LLC | Privacy Notice
Cookie used by Google for web site analysis. Collects statistical data on how visitors use the website. This data does not contain personal information. (2 years)

Change settings
Einstellungen anpassen
DatenschutzPrivacy notice   ImpressumLegal notice