Datenanalytik, Scientific Software Development

Maßgeschneiderte Softwarelösungen und Analysewerkzeuge für Qualitätskontrolle und Produktionsoptimierung in der PV

Im Bereiche Datenanalytik und Scientific Software Development entwickeln wir maßgeschneiderte Softwarelösungen und Analysewerkzeuge für Forschung, Qualitätskontrolle und Produktionsoptimierung in der Photovoltaik. Neben statistischer Auswertung großer Bild‑ und Produktionsdatensätze entstehen komplette Softwarepakete von der Spezifikation bis zur Anwendungsschulung sowie Geräte‑ und Simulationssoftware für Labor- und Industrieeinsätze. KI‑gestützte Bildklassifizierung, parameterbasierte Prozessoptimierung und webbasierte Datenvisualisierung ermöglichen eine präzise Bewertung von Solarzellen und deren Fertigungsprozessen. Damit unterstützt die Gruppe Industrie und Forschung bei der Effizienzsteigerung und Fehlerreduktion entlang der gesamten PV‑Wertschöpfungskette.

Dienstleistungen

Entwicklung wissenschaftlicher Softwarelösungen

Produktionsdatenanalytik und Manufacturing Execution Systems (MES)

Anwendungsnahe KI- und Machine-Learning-Algorithmen

Entwicklung wissenschaftlicher Softwarelösungen

Grafische Benutzeroberfläche Bill-of-Materials-Tester
© Fraunhofer CSP
Grafische Benutzeroberfläche des Bill-of-Materials-Testers als Teil unseres Softwareentwicklungsangebots.
  • Entwicklung kompletter Softwarepakete: Von technischen Spezifikationen über Implementierung, Tests, Bereitstellung bis zur Schulung
    • Gerätesoftware: Entwicklung kompletter Messaufbauten, Softwareintegration, grafische Benutzeroberflächen (z. B. für BOM-Tester)
    • Bildungs- und Schulungssoftware: Benutzerfreundliche Simulation und Datenanalyse, Hintergrundinformationen und getestete Schulungsaufgaben (z. B. I-V-Simulation von Solarzellen)

Produktionsdatenanalytik und Manufacturing Execution Systems (MES)

Dashboard zur Analyse großer Solarzellen‑Produktionsdatensätze mit Trend‑ und Anomalieerkennung
© Fraunhofer CSP
Dashboard zur Analyse großer Solarzellen‑Produktionsdatensätze mit Trend‑ und Anomalieerkennung.
  • Datenerfassung und -analyse für große Zellchargen, kundenspezifische Datenanalyse
    • Korrelation und Einflussanalyse von Prozessparametern, Identifikation relevanter Parameter, Optimierung durch statistische Zellchargenbewertung
    • Trend- und Anomalieerkennung: Trennung von Trends und Ausreißern, Früherkennung von Produktionsabweichungen
    • Fallstudien zur Produktionsdatenanalyse: z. B. Auswirkungen von optischen Inspektionsfehlern auf die Leistung von Solarzellen
    • Dienstleistungen: Datenexport, -sammlung, -sortierung, Überprüfung der Datenkonsistenz, Datenvorverarbeitung, grafische Benutzeroberflächen zur Darstellung und Extraktion von Schlüsselparametern
    • Datenanalyse als F&E-Dienstleistung: Entwicklung geeigneter Algorithmen, Analyse und Berichterstellung mit Verbesserungsvorschlägen
    • Datenvisualisierung: Webbasierte Dashboards für große Datensätze, Algorithmen zur Datenvorverarbeitung und statistischen Analyse
    • Qualitätskontrolle: Kundenspezifische Datenanalyse, Korrelation und Auswirkungsanalyse, Optimierung der Prozessparameter, Trend- und Anomalieerkennung, automatisierte Bildklassifizierung mittels KI

Anwendungsnahe KI- und Machine-Learning-Algorithmen

Korrelation von Prozess‑ und Leistungsparametern sowie Optimierung der Prozessführung durch statistische Chargenanalysen
© Fraunhofer CSP
Korrelation von Prozess‑ und Leistungsparametern sowie Optimierung der Prozessführung durch statistische Chargenanalysen.
  • AI-Toolbox für Bildanalyse und Korrelation zur Zellleistung
    • Vollautomatische Bildklassifizierung (z. B. Elektrolumineszenz-Bilder) mittels neuronaler Netze
    • Korrelation von Bildmerkmalen mit Solarzellenleistungsparametern
    • Training neuronaler Netze zur automatischen Vorhersage von Bildkategorien und hoher Korrelation zu Zellparametern
    • Rapid-EQE für fortschrittliche Verlustanalyse und Qualitätskontrolle

Anwendungsbeispiele

Benutzeroberfläche zur statistischen Analyse großer Bilddatensätze für die Qualitätsbewertung von Solarzellen
© Fraunhofer CSP
Benutzeroberfläche zur statistischen Analyse großer Bilddatensätze für die Qualitätsbewertung von Solarzellen.

Quantifizierung großer Bilddatensätze

    Mit einer speziell entwickelten GUI‑Software können hochauflösende Bilddatensätze – etwa aus der Elektrolumineszenz‑ oder Mikroskopieanalyse – automatisiert segmentiert, klassifiziert und statistisch ausgewertet werden. Dies ermöglicht eine schnelle Identifikation kritischer Merkmale und beschleunigt Entwicklungszyklen.
KI-gestützte Bildklassifizierung  zur quantitativen Korrelation zwischen EL-Bildgebung und Zellparametern ermöglicht Fehlerfrüherkennung
© Fraunhofer CSP
Die automatisierte Bildklassifizierung mithilfe künstlicher Intelligenz zur quantitativen Korrelation zwischen EL-Bildgebung und Zellparametern ermöglicht die Fehlererkennung relevanter Probleme etwa bei der I-V-Kontaktierung.

Produktionsdatenanalyse zur Prozessoptimierung

Durch die Korrelation von Inline‑Messdaten mit Solarzellenleistungsparametern werden relevante Prozessparameter identifiziert. Trend‑ und Anomalieerkennung ermöglichen eine frühzeitige Erkennung von Abweichungen in der Fertigung, sodass Herstellungsprozesse stabiler und effizienter gesteuert werden können.    

Die aus einem Trainingssatz von 200 zufällig ausgewählten EL-Bildern generierte Verwechslungsmatrix  zeigt die hohe Zuverlässigkeit der KI-Vorhersage von EL-Kategorien und klarer Korrelation zur Zellleistung
Die aus einem Trainingssatz von 200 zufällig ausgewählten EL-Bildern generierte Verwechslungsmatrix zeigt die hohe Zuverlässigkeit der KI-Vorhersage von EL-Kategorien und klarer Korrelation zur Zellleistung.

    KI‑basierte EL‑Bildklassifikation

    Neuronale Netze werden darauf trainiert, große Mengen an Elektrolumineszenz‑Bildern automatisch zu kategorisieren und Fehlerbilder mit Leistungsparametern zu korrelieren. So werden Messfehler, Kontaktierungsprobleme oder Prozessabweichungen zuverlässig detektiert.