FOCUS – GASTBEITRAG 32 / UdZ 03.22 GBA behandelt. So forschen CCI und FLAIR beispielsweise an KI-Computer-Vision-Algorithmen für die Bewertung der Produktqualität in der LCD-Fertigungsindustrie. Gemeinsam mit dem Industriepartner TCL Corporate Research (HK) haben sie in einer kürzlich veröffentlichten Arbeit neuartige Algorithmen vorgestellt, die den manuellen Labelling-Aufwand nach Produktwechseln enorm reduzieren.1 In weiteren FLAIR-Projekten stehen die vorausschauende Wartung von Fräswerkzeugen2, die Automatisierung der Montageablaufplanung3, Entscheidungsunterstützungssysteme für das Störungsmanagement unddas inkrementelle Lernen im Bereich Computer-Vision im Fokus. Für die Entwicklung langfristiger Innovationen ist die frühzeitige Zusammenarbeit mit industriellen Anwendungspartnern entscheidend. Deswegen involviert FLAIR Privatunternehmen und Industrieverbände und bietet Kooperationen an. Die Industriepartner präzisieren die Anforderungen, stellen Daten zur Verfügung und validieren die Lösungen in betrieblichen Anwendungsfällen. Die industrielle Relevanz wird durch ein industrielles Netzwerk in Hongkong und der Greater-Bay-Area unterstrichen, und die Technologien werden durch Spin-off-Aktivitäten bei FLAIR vermarktet. Die Industrie-4.0-Fähigkeiten des RWTH-Aachen-Öko- systems werden durch die Data-Science-Kompetenzen der Kolleg:innen aus Hongkong ergänzt. Ein Netzwerk zwischen Aachen und Hongkong wird ausgebaut und um eine globale Perspektive auf KI in der Fertigung erweitert. Die enge Zusammenarbeit mit produzierenden Hongkonger Unternehmen ermöglicht neuartige und branchen- spezifische Einblicke in Anwendungsfälle der Produktion. Branchen wie die Web-to-Print-Fertigung, die elektronische Auftragsfertigung oder die Herstellung von Flüssigkristall- bildschirmen (LCD) stellen besondere und einzigartige published paper novel algorithms to reduce the manual labelling effort after product changes tremendously1. Besides, FLAIR projects focus on predictive maintenance of milling tools2, the automation of assembly sequence planning3, decision support systems for disturbance management, and incremental learning in computer vision. To develop long term innovation, establishing a collaboration with industrial application partners is crucial early-on. That's why FLAIR involves private companies and industry associations and offers collaborations. Industrial partners are involved at FLAIR to detail requirements, provide data, and validate the solutions in factory usecases. The industrial relevance is underlined by an industrial network in Hong Kong and the Greater Bay Area, and technologies will be commercialised by Spin-off activities at FLAIR. The Industry 4.0 capabilities of RWTH Aachen ecosystem are complemented by the data science competencies of the Hong Kong colleagues. A network between Aachen and Hong Kong is established and enhanced by a global perspective on AI in manufacturing. The close cooperation with Hong Kong manufacturers enables novel and industry specific insights into production uses cases. Industries such as web-to-print manufacturing, electronics contract manufacturing, or Liquid Crystal Display (LCD) manufacturing show distinctive and unique requirements for AI solutions applied in the Asian markets. RWTH Aachen Campus and FLAIR address manufacturing challenges such as highly individual products with varying batch sizes 1 – 1,000.000, highly frequent changing production lines with newly introduced products every 2 – 3 days, as well We create novel Artificial Intelligence and Robotics solutions for the manufacturing industry. Together, FLAIR and RWTH Aachen Campus, we are an international team with diverse backgrounds in engineering and computer science.We are thrilled to explore these novel technologies as part of InnoHK and make a global impact in science and application. Benny Drescher, CTO FLAIR 1 s. Liu et al. 2022, S. 506 ff. 2 s. Yao et al. 2022, S. 91 ff. 3 s. Jiang et al. 2022, S. 131 ff. 1 Liu et al. 2022, p. 506 et seq. 2 Yao et al. 2022, p. 91 et seq. 3 Jiang et al. 2022, p. 131 et seq.
RkJQdWJsaXNoZXIy NzcyMw==