Success Story

Lesedauer: 2 min

Automotive

Material Industries

Predictive Quality

Predictive Maintenance

Industrial Software

Kontext

Der Hersteller wollte intelligente Lösungen für seine Kunden entwickeln, die Hochfrequenzpressen für Holzklebstoffe verwenden.

Herausforderung

Der Erfahrung des Unternehmens nach variierte die Zeit, die für das Verkleben von Holzteilen benötigt wurde. Die optimale Zeit hing dabei stark von den Materialeigenschaften (von Holz und Leim) ab. Die Hypothese lautete, dass Veränderungen in der Spannungskurve, die während des Hochfrequenzverfahrens verwendet wird, das optimale Ende des Prozesses anzeigen könnte.

Auftrag

Unsere Aufgabe bestand darin, die optimale Presszeit auf Basis der Parameter der Hochfrequenzpresse zu ermitteln. Dabei gab es zwei wichtige Überlegungen:

1. Die Nutzung von Prozessdaten in Echtzeit, um zu erkennen, wann die optimale Presszeit erreicht ist.

2. Die optimale Presszeit auf der Grundlage bestimmter Bedingungen vorherzusagen.

Lösung

Wir haben einen Algorithmus auf den historische Daten angewendet, um alle optimalen Presszeiten zu identifizieren, und darauf basierend ein Machine-Learning-Modell trainiert. Dieses Modell sagt die optimale Dauer anhand der zu Beginn des Prozesses verfügbaren Informationen wie Materialeigenschaften, Abmessungen und weiteren Faktoren voraus.

Wir haben einen Signalverarbeitungs-Algorithmus entwickelt, der in Echtzeit den optimalen Endpunkt der Presszeit ermittelt.

three male team members of craftworks at a meeting table looking at laptops and working

Successful growth is a decision. Driven by data.

Wie können wir Ihnen weiterhelfen?