In dieser repräsentativen Umfrage zeigt das Marktforschungsunternehmen TechConsult, in welchen Industriebranchen Machine Learning bereits für die Verbesserung und Weiterentwicklung von Produktionsprozessen eingesetzt wird, welche Anwendungsfelder es gibt, und welche Erfahrungen Unternehmen mit dem Einsatz gemacht haben.
Inhalt:
Corona hat zu einem Digitalisierungsschub in der deutschen Industrie geführt. 95 Prozent der Industrieunternehmen messen der Digitalisierung eine größere Bedeutung zu als vor der Pandemie, mehr als 40 Prozent wollen ihre Investitionen in Industrie-4.0-Projekte erhöhen, so eine Umfrage des Branchenverbands Bitkom aus dem vergangenen Jahr.
Dabei gewinnen auch Methoden der Künstlichen Intelligenz (KI) wie Machine Learning an Gewicht. Dem Cloud Monitor 2021 zufolge nutzen 27 Prozent der Unternehmen bereits KI-Anwendungen aus der Cloud oder planen dies.
Für die vorliegende Studie hat das Marktforschungsunternehmen TechConsult den Einsatz von Machine Learning in der Industrie beleuchtet. Über 200 Entscheider aus mehreren Branchen und Unternehmen verschiedener Größe wurden dafür befragt. Die Ergebnisse lesen Sie in diesem Dokument.
Sie erfahren unter anderem:
- Für welche Zwecke Machine Learning in der industriellen Produktion eingesetzt wird.
- Welche Erfahrungen Unternehmen beim Einsatz gemacht haben.
- Welche Hürden den Einsatz und den Erfolg von Machine Learning in der Produktion bremsen.
- Was Industrieunternehmen für die Zukunft planen.
Originalauszug aus dem Dokument:
Machine Learning zur Gewährleistung der Qualität
Maschinelles Lernen soll Unternehmen dabei helfen, effizienter und kreativer zu arbeiten. Es ist vor allem in der Lage, sehr komplexe Aufgaben zu übernehmen, wie z. B. die Fehler- und Schadenserkennung innerhalb der Produktion. So wird ML mittlerweile auch in der Medizin eingesetzt, um Symptome zu analysieren, Krankheiten zu erkennen und entsprechende Therapieempfehlungen auszusprechen. Interessant ist dabei, dass die Qualität der Aussagen der ML-Tools oft höher ist, als sie durch Menschen erzielt werden kann.
Machine Learning-Modelle lernen die Zusammenhänge und Unterschiede zwischen verschiedenen Daten und Inhalten. Sie erkennen beispielsweise Abweichungen, die ein Mensch aufgrund ihrer Vielzahl und Diversität nicht erkennen könnte. Die Kontrollen und Beobachtungen der ML-Tools können Probleme rechtzeitig erkennen und das Unternehmen somit vor teuren Produktionsstopps oder Ausfällen schützen.
Die Produktqualitätskontrolle gehört zu den Haupteinsatzgebieten des ML im industriellen Umfeld. So setzt deutlich mehr als ein Drittel (37 Prozent) der befragten Unternehmen ML im Bereich der Qualitätssicherung (QA) und -kontrolle (QC) ein. Vor allem bei der Inspektion kann ML Abhilfe leisten und zu einer schnelleren Umsetzung oder gar zu der Automatisierung des Prozesses führen. Verschiedenste Defekte oder fehlerhafte Bauteile wer- den von den ML-Systemen erkannt, bevor sie verarbeitet oder eingesetzt werden. Unternehmen wie Audi oder Tesla nutzen ML beispielsweise in der Bildverarbeitung. Dabei werden die Bauteile direkt nach der Produktion vom Gerät überprüft. Die Kamera analysiert die Bilder, um anschließend Fehler der Produktion (z. B. feinste Fehler in Bauteilen) zu erkennen und zu markieren. Somit kann die Qualität der Erzeugnisse besser kontrolliert und gesichert werden, als es von Menschen möglich wäre.