1. Schritt — Framing von Anwendungsfällen

• Verständnis des industriellen Prozesses und Definition der Kennzahlen, die optimiert werden sollen
• Verfeinerung der Endbenutzerbedürfnisse und Definition der Web-App-Anwendungsfälle und Mockups
• Kartierung der wichtigsten Produktionsparameter, die genau überwacht werden müssen, und Identifizierung der fortschrittlichen ML-Methoden, die implementiert werden sollen

Schritt 2 — Fortgeschrittene Methodenentwicklung

• Konzeption eines digitalen Zwillings, der die Überwachung von mehr als 100 dynamischen und statischen Parametern erfordert
• Entwicklung einer maßgeschneiderten ML-Methode zur Identifizierung und Optimierung des Produktionsprozesses und zur täglichen Bewertung der Produktionsleistung

Schritt 3 - Integration von Empfehlungen

• Austausch defekter Sensoren, die dank der Überwachungsfunktionen identifiziert wurden
• Erprobung der vielversprechendsten Verbesserungen des Produktionsprozesses wie Anpassungen von Eingabezeiten und Mengen
• Quantitative Validierung der Verbesserungen für die endgültige Integration