Verbundname: Realistischer Planen mithilfe künstlicher Intelligenz - Akronym: REPLAKI; Teilvorhaben: RootCauseDetective - KI-gestützte Ursachen-Wirkungsanalyse

Abstract

Die zunehmende Komplexität moderner Produktionssysteme sowie die hohe Variantenvielfalt in der Automobilindustrie führen zu wachsenden Anforderungen an Transparenz und Effizienz in der ehlerursachenanalyse. Trotz steigender Datenverfügbarkeit bestehen weiterhin Defizite bei der systematischen Nutzung dieser Daten, insbesondere bei der Identifikation von Ursache-Wirkungs-Beziehungen in Produktionsprozessen. Ziel des Teilvorhabens „RootCauseDetective“ war daher die Entwicklung einer KI-gestützten Methodik zur datengetriebenen Fehlerursachenanalyse. Auf Basis historischer Prozess- und Qualitätsdaten sollten Zusammenhänge zwischen Fehlern und deren Ursachen automatisiert identifiziert und in einem Softwaredemonstrator verfügbar gemacht werden. Der Fokus lag auf der Unterstützung von Domänenexperten durch ein Entscheidungsunterstützungssystem, das sowohl Prognosen als auch interpretierbare Ergebnisse liefert und damit die Planungs- und Prozessqualität nachhaltig verbessert.