Ziele & Problemverständnis

In der ersten Phase von PAISE® werden die Ziele definiert, die mit dem zu entwickelnden Produkt erreicht werden sollen. Zudem wird ein Problemverständnis etabliert, das in den folgenden Phasen weiter ausgebaut und geschärft wird.

In dieser Phase ist es besonders bei hoher organisatorischer Komplexität wichtig, darauf zu achten, dass das Problemverständnis zwischen allen beteiligten Teams und Organisationen übereinstimmt. Bei den Zielen können auch Geschäftsmodelle einfließen, die verfolgt werden sollen, wie etwa ob ein Produkt entwickelt und anschließend serienmäßig vertrieben werden soll oder ob eine bestimmte Serviceleistung umgesetzt werden soll.

Leitfragen

  • Welches Problem soll gelöst werden?
  • Was soll an Kundinnen und Kunden verkauft werden?
  • Was ist der Ausgangszustand?
  • Was kennzeichnet den gewünschten Endzustand?
  • Welche Daten sollen verwertet werden?
  • Befinden sich schon KI-Methoden im Einsatz?
  • Können schon vorhandene ML-Modelle im Zuge von Transfer Learning genutzt werden?

Ergebnisse

Dokumentation der Antworten bzw. Betrachtungsergebnisse der Leitfragen im Sinne einer Darstellung von Problemstellung und Zielen, z.B. in einem Projektsteckbrief.

Zur nächsten Phase von PAISE®: Anforderungen & Lösungsansatz

© Fraunhofer IOSB / indigo
Aufbau des TableSort.
© Fraunhofer IOSB / indigo
Transport der Schüttgüter über das Förderband.

Die Anlage TableSort beschreibt eine sensorgestützten Schüttgutsortieranlage im Labormaßstab. Mit der Anlage ist es möglich, mit geringem Aufwand kleine Mengen an Schüttgütern zu sortieren. Die Ausstattung umfasst eine Kamera, mit der die zu prüfenden Schüttgüter beobachtet und klassifiziert werden. In diesem Beispiel wird die Anlage dazu eingesetzt, Kaffeebohnen hinsichtlich ihrer Qualität sowie kleine Plastikteile hinsichtlich ihrer Farbe zu sortieren. Die Sortierung erfolgt mit großer Geschwindigkeit indem das Material sensorisch erfasst, mittels Bildauswertung bewertet, und pneumatisch separiert wird. Hierzu müssen Ventile in der Ventilleiste mit hoher Geschwindigkeit Öffnungs- und Schließvorgänge durchführen um die gewünschten Schüttgüter auszusortieren. Im Optimalfall sind die zu sortierenden Teile gleichverteilt auf dem Förderband.

>> (1) TableSort-Schüttgutsortierer »to go« - YouTube

Welches Problem soll gelöst werden?

 Die Bohnen sind in der Realität nicht immer örtlich gleichverteilt auf dem Förderband. Eine nicht vorhandene Gleichverteilung kann zu den folgenden zwei Problemen führen:

  • Die Ventile auf der Ventilleiste werden ungleichmäßig beansprucht und führen somit zu einem ungleich verteilten Verschleiß der Ventile.
  • Die Qualität der Aussortierung wird reduziert, falls ein Ventil zu schnell Öffnungs- und Schließvorgänge durchführen muss.

Was ist der Ausgangszustand?

Aktuell wird durch aufmerksames Beobachten und rechtzeitiges Eingreifen des Bedienpersonals eine unsachgemäße Beanspruchung der Ventilleiste sowie eine schlechte Sortiergüte vermieden. Da das Bedienpersonal aber für mehrere Tätigkeiten verantwortlich ist wird eine nicht vorhandene Gleichverteilung der Bohnen unter Umständen erst zu spät erkannt und die Ventilleiste für längere Zeit unsachgemäß beansprucht.

Welche Geschäftsziele verfolge ich mit dem Produkt?

Als Hersteller einer Software habe ich erkannt, dass es Potential für die Verbesserung von Sortiergutanlagen durch eine intelligente Auswertesoftware gibt. Ich möchte in diesem Markt einsteigen.
Eine Marktanalyse hat gezeigt, dass Kunden bereit sind die Software zu kaufen, wenn die Lebensdauer der Ventilleiste sich um 20 %-30 % erhöht und sich die Sortiergüte signifikant verbessert.

Welche Entwicklung soll verkauft werden?

Eine Software für sensorgestütztes Schüttgutsortieren (auch von anderen Herstellern), die maschinelle Lernverfahren einsetzt, um die Maschine zu überwachen.

 

→ Zur nächsten Phase von PAISE® am Beispiel TableSort: Anforderungen & Lösungsansatz

Die Entwicklung eines kamerabasierten Notbremssystems für PKW wird in Auftrag gegeben. Das System soll bei Autobahnfahrten aus einer einzelnen Frontkamera vorausfahrende Fahrzeuge erkennen, ihren Abstand und ihre Relativgeschwindigkeit schätzen, und bei drohenden Auffahrunfällen eine Notbremsung auslösen können. In der ersten Phase wird herausgearbeitet, dass das System Auffahrunfälle mit hoher Zuverlässigkeit vermeiden soll, dass die gesamte Verarbeitungskette von Kameraauswahl bis zur Realisierung der elektronischen Bremsenansteuerung zu spezifizieren ist, und dass bislang im auftraggebenden Unternehmen weder KI-Verfahren noch Datensätze bestehen, auf denen die Entwicklung aufsetzen soll.

 

→ Zur nächsten Phase von PAISE® am Beispiel Notbremssystem: Anforderungen & Lösungsansatz



Zuück zur interaktiven Grafik in der Gesamtübersicht

Schulungen

Sie würden gern von unseren Expert*innen mehr über PAISE® oder ähnliche Themen lernen? Dann stöbern Sie in unserem Schulungskatalog nach einem passenden Angebot.