medizin&technik 02.2019
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
■ [ TECHNIK ]<br />
KI liefert schnelle Schlussfolgerungen<br />
für das Qualitätsmanagement<br />
Statistische Prozessanalyse | Bislang fließt individuelle menschliche Erfahrung ein,<br />
wenn Prozessdaten für das Qualitätsmanagement ausgewertet werden. Eine KI könnte<br />
hier zu eigenen Schlüssen kommen. Vertrauen in die Ergebnisse soll sich in einer<br />
Übergangsphase entwickeln, in der die KI mit dem Vorgängersystem verglichen wird.<br />
Bild: Alexander Limbach/Fotolia<br />
Gut oder nicht gut?<br />
Künstliche Intelligenz<br />
kann Zusammenhänge<br />
entdecken,<br />
die dem<br />
menschlichen Verstand<br />
verborgen<br />
bleiben. Daher<br />
brauchen Menschen<br />
Beweise dafür,<br />
dass sie sich auf<br />
Schlussfolgerungen<br />
der KI verlassen<br />
können – gerade<br />
auch in der Qualitätssicherung<br />
Kaum ein Thema hat in den vergangenen<br />
Jahren so viel Beachtung gefunden<br />
wie die künstliche Intelligenz (KI),<br />
die mit verschiedenen Methoden intelligentes,<br />
menschliches Problemlösen nachbildet.<br />
Maschinelles Lernen ist ein wichtiger<br />
Bestanteil von KI: Hier wird ein Algorithmus<br />
mit Trainingsdaten in die Lage<br />
versetzt, eigenständige Lösungen zu unbekannten<br />
Problemen zu finden. Dabei<br />
verlässt sich der Algorithmus nicht auf Regeln,<br />
die der Mensch vorgegeben hat, sondern<br />
verwendet Abstraktionen, die er in<br />
der Lernphase selbst gemacht hat.<br />
Ein Teil des Machine Learnings sind<br />
künstliche neuronale Netze, die ähnlich<br />
arbeiten wie das menschliche Gehirn. Die<br />
meisten populären Vertreter künstlicher<br />
IHR STICHWORT<br />
■<br />
■<br />
■<br />
■<br />
Künstliche Intelligenz<br />
Statistische Prozessanalyse verbessern<br />
Schnelles Auswerten großer<br />
Datenmengen<br />
Unabhängig von individueller Erfahrung<br />
Intelligenz greifen auf diese künstlichen<br />
neuronalen Netze zurück. Beispiele sind<br />
Googles Deep-Mind-Algorithmus, der im<br />
Jahr 2016 den damaligen Go-Meister Lee<br />
Sedol bezwang, oder Microsofts Bild -<br />
erkennung, die schon im Jahr 2015 weniger<br />
Fehler machte als Menschen.<br />
Bekannte Ansätze durch KI<br />
erweitern oder sogar ersetzen<br />
Auch das Qualitätsmanagement kann<br />
durch Methoden der künstlichen Intelligenz<br />
ergänzt werden, um die Produktion<br />
zuverlässiger zu machen. Hier setzt das<br />
Aachener Start-up Iconpro GmbH an. Das<br />
Unternehmen hat sich auf KI-basierte<br />
Softwarelösungen für das Qualitätsmanagement<br />
produzierender Unternehmen<br />
spezialisiert. Diese unterstützen dabei,<br />
neue Erkenntnisse aus vorliegenden Daten<br />
zu gewinnen. Bestehende Prozesse für<br />
die Informationsverarbeitung im Qualitätsmanagement<br />
können sie durch effizientere<br />
und effektivere Methoden ersetzen.<br />
Bei der statistischen Prozessregelung<br />
(SPC) beispielsweise kann das Qualitätsmanagement<br />
von der künstlichen Intelligenz<br />
profitieren. Für das Standardtool<br />
SPC werden festgelegte Parameter wie<br />
der Durchmesser der Bauteile, die an einer<br />
Maschine hergestellt werden, über die<br />
Produktionszeit hinweg erfasst. Die aufgezeichneten<br />
Werte erlauben Rückschlüsse<br />
auf die Qualität des Produktionsprozesses.<br />
Sind kritische Ausreißer oder auffällige<br />
Trends in den Messdaten erkennbar,<br />
kann der zuständige Mitarbeiter gewarnt<br />
werden. Um die Messdaten zu interpretieren,<br />
wird ihr Einfluss auf den<br />
Prozess bewertet. Dafür muss bekannt<br />
sein, wie sich die Daten verteilen sollten.<br />
Die geeignete Strategie dafür gibt der Benutzer<br />
vor, woraufhin der Algorithmus<br />
entsprechende Hypothesentests durchführt.<br />
Leider erfordert diese Vorgehensweise<br />
Expertenwissen zum Prozess und statistischen<br />
Zusammenhängen. Mithilfe künstlicher<br />
Intelligenz kann das Vorgehen vereinfacht<br />
werden. Eine richtig trainierte KI<br />
kann das zuvor notwendige Expertenwissen<br />
zu einem großen Teil ersetzen und erleichtert<br />
den Umgang mit der Regelung<br />
von Prozessen. Die Prozessüberwachung<br />
wird so leichter bedienbar, zuverlässiger<br />
und insbesondere bei größeren Prozessdatensätzen<br />
schneller.<br />
40 medizin&<strong>technik</strong> 02/2019