Der Trend zur Individualisierung von industriellen Produkten wie Maschinen und Anlagen zeichnet sich immer stärker ab, und eine vollumfängliche Beherrschung der dazugehörigen Auslegungs- und Fertigungsprozesse ist notwendig. Allerdings stoßen etablierte Simulations- und Modellierungswerkzeuge bei kleinen Losgrößen an ihre Anwendungsgrenzen.
Gerade im Anlagenbau folgt die Individualisierung einem zusätzlichen Trend: Die Hochskalierung wichtiger Anlagenkomponenten zur Reduzierung der benötigten Anlagenlinien steht häufig im Vordergrund. Mit diesen erhöhten Kundenanforderungen entstehen jedoch neue Herausforderungen. Bei der Bewertung der Baubarkeit sehr großer Produkte wie zum Beispiel Wärmetauscher können herkömmliche Werkzeuge nur begrenzt herangezogen werden. Fortschrittliche Methoden wie datenbasierte Vorhersagemodelle gewinnen nicht nur bei der Bewertung der Machbarkeit an Bedeutung, sondern auch bei der letztendlichen Prozesskontrolle. Die vorhandenen geringen Datenmengen, die bei Produkten kleiner Losgrößen vorliegen, können nur bedingt für Predictive-Analytics-Modelle eingesetzt werden. Die Datenbasis muss künstlich erweitert werden, das heißt ohne zugrunde liegende empirisch aufgezeichnete Daten. Bestehende Daten müssen an das neue Einsatzgebiet angepasst und neue gewonnen werden. Während des Projektes sollen Expertenwissen, Messdaten der Fertigung sowie historische Daten genutzt werden, um die Vorhersagekraft der Modelle zu erweitern und zu verifizieren. Zusätzlich wird die Datenbasis durch gezielte Modellbildung mittels Simulation erweitert.
Das Projekt KI-BAYOPT strebt folglich die Erforschung und Erprobung KI-basierter Predictive-Analytics-Modelle am Beispiel großer gewickelter Wärmetauscher an. Im Rahmen des Projektes werden neuartige Ansätze der Modellbildung auf Basis eines Baukastensystems mit verschiedenen KI-Modellen erarbeitet und an einem Fertigungsbeispiel erprobt.
