Projektbeschreibung
Um Autonomes Fahren auf dem Level 3 oder höher flächendeckend zu ermöglichen, ist es essentiell, die notwendige Sensorik, wie beispielsweise neuartige Ultraschallsensoren mit verbesserter Genauigkeit, in hoher Qualität, in großen Stückzahlen sowie für geringe Kosten fertigen zu können. Aufgrund der hohen Anforderungen an diese neuartigen Sensortypen wird eine innovative Prozessregelung entlang der gesamten Fertigungskette angestrebt. Ziel herbei ist es, die Ausbeute bei unveränderter Taktzeit zu maximieren und gleichzeitig die Fertigungskosten konstant zu halten.
Für das Erreichen dieser Zielsetzung soll im Rahmen des Forschungsprojektes ADeUSPro am eine Traceability- und Machine Learning-Infrastruktur entwickelt werden. Dafür müssen zunächst relevante Prozess-, Qualitäts- und Metadaten identifiziert und erfasst werden sowie eine Inline-Messung dieser in Echtzeit realisiert werden. Darauf aufbauend sollen Modelle entwickelt werden, welche die Produktqualität und Prozesssicherheit anwendungsorientiert überwachen und die Optimierung dieser unterstützen. Der Fokus liegt hierbei im Besonderen auf der Verknüpfung von Batch- und Einzelprozessen, der damit verbundenen korrekten Nachverfolgbarkeit einzelner Komponenten und der Untersuchung komplexer Wechselwirkungen. Die Infrastruktur soll dabei so konzipiert sein, dass auch die Übertragbarkeit auf weitere Fertigungslinien möglich ist.