MEMS-Beschleunigungs-Sensor-Kern mit Milbe zum Größenvergleich. Detektionsstrukturen mit Genauigkeitsanforderungen im sub-µm-Bereich. Die gesamte Funktional-Struktur hat Dimensionen von etwa 1mm. Quelle: Bosch
„Mikro-Elektro-Mechanische-Systeme“ (MEMS) begegnen uns in Form von Sensoren überall: Im Auto aktivieren sie den Airbag, im Smartphone erkennen sie Bildschirm-Drehungen. Die Qualitätsprüfung der Sensoren ist allerdings zeitaufwändig. Forschende des KI-Produktionsnetzwerks am Lehrstuhl für Mechatronik arbeiten gemeinsam mit der Robert Bosch GmbH daran, diesen Produktionsschritt mit Hilfe von künstlicher Intelligenz (KI) zu beschleunigen.
Die Herausforderung
Ein Sensor ist nur wenige Millimeter groß, nahezu atomar feine Strukturunterschiede bestimmen seine Genauigkeit. Äußere Faktoren wie zum Beispiel Temperatur wirken sich ebenfalls auf die Sensoren aus. „Der beste Weg, die Messgenauigkeit zu festzustellen, liegt in der Überprüfung der Konstruktionsgrößen aller im Sensor verbauten Komponenten. Wir sprechen von Strukturgrößen von Milliardstel Metern und Massen von Millionstel Gramm“, verdeutlicht Prof. Dr. Lars Mikelsons, Inhaber des Lehrstuhls für Mechatronik, die Herausforderung. Bisher werden diese Größen mit sehr genauen, aber zeitaufwändigen mathematischen Verfahren überprüft. Bei Stückzahlen im Millionenbereich stoßen diese allerdings an ihre Grenzen, künstliche Intelligenz eröffnet hier neue Möglichkeiten. Weiterlesen
Die Palette der Use Cases für Machine Learning in der Industrie ist groß. Gerade im Bereich der Qualitätskontrolle kann man mithilfe von ML Zeit und Geld sparen und den Ausschuss reduzieren. Allerdings ist die Implementierung alles andere als trivial und klappt nicht von heute auf morgen. Genau deshalb gibt es dafür Experten wie AllCloud, die bei der Umsetzung helfen. 
