Bessere Qualität durch KI

17 Jan

Forschende der ETH Zürich konnten mit Hilfe künstlicher Intelligenz das Qualitätsmanagement bei digitalisierten Produktionsprozessen verbessern. In einem Experiment beim Halbleiterproduzenten Hitachi Energy konnte so der Anteil fehlerhafter Produkte halbiert werden.

In ihrer Studie wird aufgezeigt, wie das QM bei komplexen, digitalisierten Produktionsverfahren durch KI verbessert werden kann. Erfolgreich getestet wurde ihr Algorithmus in einer Hableiterfabrik von Hitachi Energy, vormals Hitachi ABB Power Grids, in Lenzburg: Die Anzahl fehlerhafter Produkte konnte im Experiment um über 50 Prozent gesenkt werden, was die Produktion nicht nur effizienter, sondern auch nachhaltiger macht.

Die Herstellung komplexer, industrieller Produkte erfordert eine Vielzahl miteinander verbundener Arbeitsschritte. Bisher war es bei komplexeren Produktionsverfahren dieser Art schwierig, Fehlerquellen genau zu identifizieren. Traditionelle Methoden der QS erlaubten es immer nur, einige wenige Parameter gleichzeitig zu untersuchen. In komplexen Produktionsabläufen werden aber tausende von zusammenhängenden Parametern gemessen. Wie diese interagieren und sich auf die Produktion auswirken, lässt sich mit traditionellen Methoden nicht analysieren.

Die ETH-Forschenden entwickelten zunächst einen Algorithmus, der die einzelnen Schritte bei der Produktion von Halbleitern imitiert. Anschließend fütterten sie ihn mit möglichst vielen historischen Produktionsdaten, wie zum Beispiel der Temperatur oder dem Druck, die in Maschinen gemessen werden. Auf Basis dieser Daten lernt der Algorithmus, unter welchen Bedingungen die Qualität der Halbleiter gut ist und wann es zu hohen Fehlerquoten kommt.

Die KI-basierende Methode erlaubt es, beliebig viele Faktoren und Beziehungen des Produktionsprozesses zu analysieren und komplexere Zusammenhänge zwischen Parametern aufzudecken. So können Fehlerquellen systematischer und über den gesamten Produktionsprozess hinweg identifiziert werden.

Um den Algorithmus zu testen, arbeiteten die Autoren mit Hitachi Energy in Lenzburg zusammen. Gemeinsam mit den Ingenieurinnen und Ingenieuren von Hitachi Energy teilten sie eine Produktionscharge von 1488 Halbleitern in vier gleiche große Gruppen auf. Während die ersten 372 Halbleiter ohne Anpassungen produziert wurden, wurde für Gruppe zwei und drei jeweils ein Herstellungsschritt optimiert und bei den letzten 372 Halbleitern beide Herstellungsschritte optimiert. In der Kontrollgruppe ohne Optimierung war die Fehlerquote viermal höher als in der, die nach Empfehlung des Algorithmus produziert wurde.

Mit der zunehmenden Digitalisierung von Produktionsprozessen sollte der Algorithmus mittelfristig auch für andere Branchen interessant werden.

Quelle

Senoner J, Netland T, Feuerriegel S (2021). Using explainable artificial intelligence to improve process quality: Evidence from semiconductor manufacturing. Management Science, publiziert online: 9 Dezember 2021.