KI-gestützte Qualitätssicherung im Flugzeugbau

Um die hohen luftfahrttechnischen Qualitätsanforderungen zu gewährleisten, muss viel Aufwand in die Qualitätssicherung der Bauteilproduktion für Verkehrsflugzeuge investiert werden. Algorithmen der künstliche Intelligenz bieten dabei ein großes Potential, einen Teil der Prüfungen zu automatisieren und den Qualitätssicherungsprozess zu rationalisieren.

Am Beispiel einer automatisierten Auswertung von Ultraschall-Prüfdaten wird gezeigt, wie Material- und Produktionsfehler in großen Flugzeugrumpfschalen mithilfe von modernen Convolutional Networks automatisiert erkannt werden. Eine wesentliche Herausforderung hierbei ist, mit vergleichsweise wenig Trainingsbeispielen eine gute Vorhersagegüte zu erzielen.

Vorkenntnisse

Grundsätzliches Verständnis von Machine Learning und Neuronalen Netzen

Lernziele

Anwendung von ML/KI im Produktionsumfeld

 

Speaker

 

Olaf Beesdo
Olaf Beesdo besitzt langjährige Erfahrung im Bereich Luftfahrt und arbeitet bei der Premium Aerotec GmbH als Data Scientist, mit dem Schwerpunkt auf Analyse und Optimierung von Fertigungsprozessen mithilfe von maschinellem Lernen.

Mathias Burger
Mathias Burger begeistert sich für Open-Source-Software und aktuelle Trends, besonders im Bereich des Computer Vision. Er ist Senior Consultant bei der TNG Technology GmbH und arbeitet derzeit an Defekterkennungssystemen im Bereich Aerospace. Bei Deep Learning setzt er derzeit je nach Anwendungszweck auf TensorFlow, Keras, PyTorch und fast.ai.

Gold-Sponsor

Novatec

Silber-Sponsoren

ETECTURE
inovex
inovex
HO Computer
Intel
Phytec

Bronze-Sponsoren

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden