AI im Manufacturing

Industrie-4.0-Produktionslinien sind oft für den Einsatz intelligenter und selbstlernender Systeme angedacht, aber in den seltensten Fällen ist dies bereits umgesetzt. Um Qualitätsabweichungen am Werkstück bereits auf der Produktionslinie zu erkennen und zu kompensieren, ergeben sich unzählige Einsatzbereiche von Machine-Learning-Methoden.
Benedikt Munz und Dr. Nadine Gissibl stellen ein Real World Use Case vor, bei dem anhand der Daten einer aktiven, modernen Produktionslinie in einer Cloud-to-Cloud-Architektur die Qualität von Werkstücken für verschiedene Produktionsschritte in Echtzeit mithilfe von Methoden wie Time Series Classification vorhergesagt und direkt dem Shop Floor mitgeteilt wird.

Vorkenntnisse

Interesse an Data Science, Machine Learning, AI im Manufacturing und in der Qualitätssicherung

Lernziele

• Überblick über Herausforderungen im Bereich AI im Manufacturing
• Vermittlung von Best Practice aus Echtzeit-Big-Data-Time-Series-Classification-Problemen

 

Speaker

 

Benedikt Munz
Benedikt Munz arbeitet als Data Scientist bei MHP – A Porsche Company. Er beschäftigt sich aktuell mit der Entwicklung von intelligenten Echtzeit-Qualitätssicherungslösungen im Bereich Automotive und Manufacturing.

Dr. Nadine Gissibl
Dr. Nadine Gissibl arbeitet als Data Scientist bei MHP – A Porsche Company. Neben allgemeinen, forschungsnahen Themen im Bereich Data Science und Machine Learning interessiert sie sich vor allem für AI im Manufacturing.

Gold-Sponsoren

HMS
Structr

Silber-Sponsoren

codecentric
Phytec

Bronze-Sponsor

incontext.technology GmbH

data2day-Newsletter

Sie möchten über die data2day
auf dem Laufenden gehalten werden?

 

Anmelden