Blog

Nov 03, 2023

Prognose der Produktionsqualität mit künstlicher Intelligenz

Wie wäre es, bereits während eines Bearbeitungsschritts mit hoher Sicherheit vorherzusagen, ob ein Bauteil den Qualitätsanforderungen entspricht? Künstliche Intelligenz (KI) macht es möglich. Die KI

Wie wäre es, bereits während eines Bearbeitungsschritts mit hoher Sicherheit vorherzusagen, ob ein Bauteil den Qualitätsanforderungen entspricht? Künstliche Intelligenz (KI) macht es möglich. Die am Fraunhofer IWU entwickelten KI-Lösungen stellen eine Verbesserung gegenüber bisherigen Inline-Inspektionssystemen dar und machen eine aufwändige Entnahme zu Testzwecken überflüssig. Solche Qualitätsprognosen während der Verarbeitung können in viele industrielle Fertigungsprozesse integriert werden, oft in Kombination mit vorhandenen, kostengünstigen Sensoren. Allerdings kann diese KI auch zu Optimierungszwecken genutzt werden. Es kann dabei helfen, Prozesseingangsparameter zu steuern, beispielsweise Ausschuss von vornherein zu vermeiden oder den Energieverbrauch in der Produktion ohne Qualitätseinbußen zu senken.

Qualitätsprognosen

Typische zukünftige Einsatzgebiete der neu entwickelten KI-Lösung sind Bearbeitungsschritte wie Bohren, Drehen und Fräsen. Beim Bohren geben beispielsweise Drehzahl, Vorschub und Messungen eines Vibrationssensors Aufschluss über das erwartete qualitative Ergebnis. Dies ermöglicht beispielsweise beim Tieflochbohren eine Qualitätsbeurteilung, ohne dass das Werkstück für die Messung zerstört werden muss.

Prozessoptimierung

Im Bereich der Metallbearbeitung hat sich der Einsatz von KI insbesondere bei der Warmumformung bewährt. Bei diesem Verfahren wird das Werkstück vor dem Pressen im Ofen über die Austenitisierungstemperatur (ca. 880 °C) erhitzt. Sobald die gewünschte Zieltemperatur für eine optimale Härte erreicht ist, wird das heiße Blech in die Presse eingelegt und umgeformt. Dadurch entsteht ein martensitisches Gefüge, wodurch der Werkstoff härter wird. Da bei diesem energieintensiven Prozess die Produktqualität im Vordergrund steht, wird die Ofentemperatur oft höher als nötig eingestellt. Durch die Vorhersage der erwarteten Härte liefert die KI datengesteuerte Hinweise zur Feinabstimmung der Härtetemperatur.

Bei Spritzgussprozessen überwacht KI bestimmte Parameter wie die Formtemperatur, die Drehzahl der Granulatschnecke, die Schmelztemperatur, die Formhaltezeit und die Abkühlzeit. Rechtzeitige Gegenmaßnahmen auf Basis ungünstiger Qualitätsprognosen tragen dazu bei, den Ausschuss deutlich zu reduzieren.

100 % Inspektionen – Geringe Anzahl an Trainingsdatensätzen

In allen Anwendungsszenarien kann KI direkt im Fertigungsprozess (in-line) eingesetzt werden, um die gesamte Charge durch 100 %-Prüfungen zu überwachen. Stichprobenkontrollen gehören damit der Vergangenheit an.

Für das Training verschiedener KI-Modelle reicht in vielen Anwendungen eine zweistellige Anzahl an Datensätzen aus, ergänzt durch Prozessexpertise. Im Betrieb reicht oft die Rechenleistung des (lokalen) Edge-Computings aus.

Weitere Informationen: www.iwu.fraunhofer.de

HOMEPAGE-LINK