4. Entscheidungskriterien zur Planung maschineller Lernverfahren in Fertigungsanlagen

In diesem Kapitel wird eine Entscheidungsgrundlage zur Unterstützung des Planungsprozesses maschineller Lernverfahren in Fertigungsanlagen entwickelt. Durch die Analyse von fünf Fallstudien werden Hypothesen abgeleitet, unter welchen Bedingungen maschinelle Lernverfahren einen Mehrwert bieten. Die Fallstudien umfassen verschiedene Qualitätsprüfungen in der Automobilindustrie, darunter die Prüfung von ABS-Sensoren, Bohrlöchern, Faltenbälgen, Dichtmittelauftrag und MIG-Schweißnähten. Die Analyse zeigt, dass die Varianz in einem Prozessschritt, die Komplexität der Daten und die physikalischen Gegebenheiten entscheidende Kriterien für die Wahl zwischen regelbasierten Systemen und maschinellen Lernverfahren sind. Ein praktischer Fragenkatalog wird vorgestellt, der in der Anlagenplanung die wesentlichen Entscheidungskriterien erfasst. Die Bewertung der Kriterien erfolgt anhand einer Skala, wobei niedrige Werte regelbasierte Systeme und hohe Werte maschinelle Lernverfahren bevorzugen. Die Anwendung der Entscheidungsgrundlage wird anhand verschiedener Fallbeispiele diskutiert, wobei die Methode auch für bestehende Anlagen (Brownfield) angepasst wird. Die Ergebnisse zeigen, dass maschinelle Lernverfahren insbesondere in Prozessen mit hoher Varianz und komplexen Daten einen Mehrwert bieten können.