Bei der Fertigung von DC-Kleinstmotoren entstehen mit einer geringen Wahrscheinlichkeit spezielle Fehler, die einen Motor in seinen Eigenschaften beeinträchtigen. Da der Einfluss erst unter bestimmten Betriebsbedingungen erkannt werden kann, ist ein Test heute relativ aufwändig oder er muss manuell erfolgen. Infolge des menschlichen Einflusses gelingt heute eine 100%ige Erkennung noch nicht. Auch ein bereits vorhandener Algorithmus schafft keine 100%ig sichere Bewertung.
Ziel dieser Arbeit ist es, herauszuarbeiten, welche Detektionsrate durch Einsatz Künstlicher Intelligenz (KI) möglich wäre.
Es stehen hierzu sehr viele aufgezeichnete Signale zur Verfügung, die durch den Algorithmus und auch durch einen Prüfer bewertet wurden. Es gibt eine bestimmte Falscherkennungsrate, also Produkte, die eigentlich gut sind, aber dennoch als schlecht bewertet wurden.
Eine zentrale Frage wäre auch, ob Fehlbeurteilungen eines Experten oder der bisherigen Software erkannt werden könnten (Stichwort: Fehlerhafte Trainingsdaten) und die KI sich somit selbst verbessert.
