Produktionsprozesse zu verbessern, um höheren Durchsatz, weniger Unterbrechungen und eine geringere Belastung der Anlagenkomponenten zu erzielen: Das sei vorrangig das Ziel von AI in der Produktion bei Palfinger, schildert Palfinger-Experte Marius Stehling.
Besonders Projekte wie die Anomaliedetektion in der Qualitätskontrolle von Produktionsprozessen, aber auch "der Optimierung von Wartungszyklen mit Hilfe von selbstlernender Software" würden, so Stehling, Beachtung verdienen.
Lesen Sie hier: Was kann AI in der Industrie?
Beispiel Prozessstabilität. Diese ist bekanntlich ausschlaggebend für die Qualität des Produkts, und wiederum enorm abhängig von Materialeigenschaften und Einflüssen wie Temperatur oder Bauteilpositionierung. "Der Einsatz einer AI-Lösung hilft uns hier, Abweichungen im Prozess frühzeitig zu erkennen", sagt der Head of CoE Digital Manufacturing. Dazu würden Einstellungen für Regelparameter automatisiert vorgeschlagen, um den Prozess stabil zu halten. Derlei Projekte führt Palfinger nun in schöner Regelmäßigkeit mit Forschungspartnern durch.