Erkennung von Anomalien in der Fertigung mit maschinellem Lernen

Hersteller mit hohem Produktionsvolumen produzieren und versenden große Mengen an Produkten. Dabei wird in einem wettbewerbsorientierten Markt, in dem die Kundenzufriedenheit ein wichtiger Maßstab ist, eine sehr hohe Qualität erwartet. Ein Schlüsselaspekt der Qualität ist die Einheitlichkeit der Produkteigenschaften im Laufe der Zeit. Gleichmäßigkeit kann besonders wichtig sein, wenn das Produkt als Komponente in einem größeren System verwendet wird; die zusammensetzenden Effekte von kleinen Abweichungen in vielen Komponenten können einen großen Einfluss auf die endgültige Systemleistung haben.

Vor diesem Hintergrund kann es wichtig sein, fortschrittliche analytische Lösungen einzuführen, um Produktanomalien automatisch zu erkennen und zu verhindern, dass diese Produkte ausgeliefert werden, auch wenn ihre Variation(en) noch innerhalb der Spezifikationen liegen. Die letzte Möglichkeit dazu besteht beim finalen Test des Endprodukts vor dem Versand.

Dieses Dokument beschreibt eine multivariate Lösung maschinellen Lernens, die für Halbleiterkunden entwickelt wurde, die die TIBCO Connected Intelligence Plattform verwenden. Die Lösung warnt, wenn es mehrere Produktcluster mit deutlich unterschiedlichen Testmerkmalen gibt. Der skizzierte Ansatz ist über dieses spezifische Beispiel hinaus anwendbar, um anomale Geräte, Prozesse und Produkte zu erkennen.

 

Success with TIBCO:

2,000+

Spotfire users

Over $1 million

In projected opportunities

Laden Sie sich das Whitepaper herunter

Um Ihre Registrierung zu bearbeiten, müssen TIBCO Software Inc. und  verbundene Unternehmen (im Weiteren als "TIBCO" bezeichnet) die folgenden persönlichen Daten von Ihnen erheben. Mit der Anmeldung für dieses TIBCO Ressource, erklären Sie sich damit einverstanden, dass TIBCO diese Daten verarbeitet und Sie per E-Mai, Telefon und/oder Social Media mit Informationen zu diesem Ressource kontaktiert.