| Titre : |
Inline qualiti monitoring and data-based quality prediction : successfully managing digital transformation with automation and artificial intelligence |
| Type de document : |
texte imprimé |
| Auteurs : |
Alexander Schulze Struchtrup, Auteur ; Alexander Mahl, Auteur ; Dimitri Kvaktun, Auteur ; Martin Thalemann, Auteur ; Reinhard Schiffers, Auteur |
| Année de publication : |
2020 |
| Article en page(s) : |
p. 17-20 |
| Langues : |
Anglais (eng) |
| Catégories : |
Automatisation
Etanchéité
Industrie 4.0Le concept d’Industrie 4.0 correspond à une nouvelle façon d’organiser les moyens de production : l’objectif est la mise en place d’usines dites "intelligentes" ("smart factories") capables d’une plus grande adaptabilité dans la production et d’une allocation plus efficace des ressources, ouvrant ainsi la voie à une nouvelle révolution industrielle. Ses bases technologiques sont l'Internet des objets et les systèmes cyber-physiques.
Intelligence artificielle
Matières plastiques -- Moulage par injection
Qualité -- Contrôle
Surveillance électronique
|
| Index. décimale : |
668.4 Plastiques, vinyles |
| Résumé : |
Maintaining competitiveness while producing in Germany requires not only cost-efficient production, but also high-quality products. Vorwerk Elektrowerke is accepting this challenge. In collaboration with the Institute of Product Engineering at the University of Duisburg-Essen, Germany, the company is testing a 100 % inline quality monitoring system as well as a quality prediction using machine learning. |
| Note de contenu : |
- Tightness as the ultimate goal
- Inline assessment of the molding contour
- Maximum usability
- Machine learning for the prediction of quality features
- Reliable performance
- Autonomous processes, low reject rate
- Fig. 1 : The contour of the molded part is crucial for the functionality of the sealing lip (TPE) of the filter cover
- Fig. 2 : The CV-X camera system used has a monochrome sensor with a resolution of 21 megapixels
- Fig. 3 : The automatic model generation relates to only little effort for the user : once the learning data has been provided, everything else runs automatically
- Fig. 4 : The achieved model performances show that a prediction of the quality characteristics based on the process data is well possible. The requirements for this are precise quality data |
| En ligne : |
https://drive.google.com/file/d/1mF_1NyHJhoIEWPfw3Xs_iE_SPL7OlKzD/view?usp=drive [...] |
| Format de la ressource électronique : |
Pdf |
| Permalink : |
https://e-campus.itech.fr/pmb/opac_css/index.php?lvl=notice_display&id=34710 |
in KUNSTSTOFFE INTERNATIONAL > Vol. 110, N° 6 (2020) . - p. 17-20
Aller sur edunet
Accueil
Inline qualiti monitoring and data-based quality prediction in KUNSTSTOFFE INTERNATIONAL, Vol. 110, N° 6 (2020)
