Posts about:
Nachdem wir uns in der ersten Folge zu den Modelltypen angesehen haben, wie (S)ARIMA-Modelle Vorhersagen mit Hilfe von Autokorrelation treffen, wollen wir uns als Nächstes mit neuronalen Netzen befassen.
Nachdem mittlerweile klar ist, was Künstliche Intelligenz (KI) zu leisten vermag, stehen viele Unternehmen vor der Herausforderung, schnell herausfinden zu müssen, ob KI auch in Kombination mit ihren Maschinen und Prozessen Mehrwert schaffen kann. Und wenn dem so ist, gilt es, die neuen KI-Funktionen so schnell wie möglich produktiv nutzen oder auch marktreif anbieten zu können.
In diesem Artikel finden Sie den Bauplan, um speziell Maschinen und technische Prozesse mit KI aufzurüsten und unter Industriebedingungen verlässlich zu betreiben.
In unserem ersten Blog-Beitrag der Reihe haben wir einen Blick auf die Natur sequenzieller Daten und die besonderen Charakteristika von Zeitreihen geworfen. Beginnend mit diesem Artikel widmen wir uns nun verschiedenen Ansätzen, mit denen sich solche Daten modellieren lassen.
In ihrer Digitalisierungsstrategie haben viele Unternehmen bereits erkannt, dass sie Ihre Produkte mithilfe von Künstlicher Intelligenz aufwerten können. In der Regel bedeutet das, Daten zum Produkteinsatz zu erschließen und diese schlau auszuwerten, um damit neue werthaltige Angebote für Kund:innen zu schaffen. In diesem Artikel haben wir die 5 wichtigsten Fragen zusammengestellt, die bei solch einem KI-Upgrade entscheidend sind.
Der Maschinen- und Anlagenbau in Deutschland zeichnet sich seit vielen Jahrzehnten durch seine hohe Innovationskraft aus. Unsere Ingenieurskunst wird weltweit geschätzt. Das Label “Made in Germany” steht überall in der Welt für höchste Qualität und Zuverlässigkeit, was international für gute Absatzzahlen sorgt.
Die Ursachenanalyse mit KI ist ein neuer Ansatz, mit dem Unternehmen Problemen in ihrer Produktion auf den Grund gehen und diese nachhaltig abstellen können. Damit können etwa ungeplante Stillstandszeiten vermieden und Qualitätsmängel bei hergestellten Produkten reduziert werden.
Komplexe technische Systeme wie Maschinen, Anlagen, Mess- und Regelungseinheiten oder auch Produktionslinien erzeugen heutzutage viele Daten. Um aus diesen Daten Erkenntnisse zu gewinnen, die zu verbesserten Produkten und neuen Innovationen führen, sind Ingenieur:innen darauf angewiesen, die richtigen Informationen in den Daten zu finden.
Die Ursachenanalyse mit KI ist ein neuer Ansatz, mit dem Unternehmen Problemen in ihrer Produktion auf den Grund gehen und diese nachhaltig abstellen können. Damit können etwa ungeplante Stillstandszeiten vermieden und Qualitätsmängel bei hergestellten Produkten reduziert werden.
KI findet in der Produktion immer mehr Verbreitung, weil sich damit auf Maschinen-, Prozess- und Organisationsebene Effizienzgewinne realisieren lassen. Dabei kommen vermehrt KI-Verfahren wie neuronale Netze zum Einsatz. Diese können einerseits besonders gut komplexe Zusammenhänge erlernen, andererseits sind sie aber nicht in der Lage, Erklärungen mitzuliefern, warum sie eine bestimmte Entscheidung treffen. Das ist eine typische “Black Box” Eigenschaft.
