Industrielle Produktion mit KI optimieren
Noch unausgereifte Prozesse wollen Forschende des KIT und der Fraunhofer Gesellschaft mithilfe Künstlicher Intelligenz schneller nutzbar machen.
Damit Unternehmen hochwertig und kosteneffizient produzieren können, sind ausgereifte Produktionsprozesse notwendig. Weil dafür viele verschiedene Faktoren berücksichtigt werden müssen, ist ihre Entwicklung bisher besonders aufwendig – insbesondere, wenn neue Materialien und Verfahren verwendet werden, der Produktionsprozess hochkomplex ist oder keine ausgereiften Modelle zur Verfügung stehen.
Der systematische Einsatz von KI soll Prozessanpassungen kostengünstiger, schneller und effizienter machen. Das ist Ziel der Forschungsgruppe „KI-basierte Methodik für die schnelle Ertüchtigung unreifer Produktionsprozesse“ des KIT und der Fraunhofer Gesellschaft.
Sie will es für Unternehmen leichter machen, neue Produktionsprozesse in Feldern wie dem Leichtbau oder der Elektromobilität zukünftig schneller gesamtheitlich zu durchdringen, gezielt zu verändern oder anzupassen. Anhand der Herstellung faserverstärkter Kunststoffbauteile, etwa für den Automobilbereich, will das Team zeigen, wie sich mittels KI-Methoden die Prozessreife und die Produktqualität in kurzer Zeit und im laufenden Betrieb steigern lassen.
„Wir betrachten zunächst den Prozess der Umformung von Faserhalbzeugen. Das sind flächige Gewebe, die als Ausgangsmaterial für die Herstellung von Bauteilen genutzt werden. Hier sind aktuell manuelle Nacharbeiten wie erneutes Erwärmen oder Umformen notwendig, bis die richtigen Prozessparameter und -schritte gefunden und eingestellt sind“, sagt Professor Jürgen Beyerer vom Institut für Anthropomatik und Robotik des KIT und Institutsleiter des Fraunhofer-Instituts für Optronik, Systemtechnik und Bildauswertung IOSB. „Ziel ist es, den Vorgang möglichst schnell zu verstehen, um auf dieser Basis den Prozess so regeln zu können, dass früher Produkte mit guter Qualität entstehen.“
Dafür stattet das Team den Produktionsvorgang mit erweiterter Aktuatorik und Sensorik aus – zum Beispiel mit Robotik und zusätzlichen Messinstrumenten. Dies nennt sich „überinstrumentieren“. Ziel ist es, möglichst viele Informationen wie Temperaturen, Drücke oder Kräfte zu erfassen.
Je nach Vorhersage eines selbstlernenden Modells können dann die Größen identifiziert werden, die zur Prozesskontrolle benötigt werden. „Wir wollen die unreifen Prozesse systematisch so ausstatten, dass eine KI relativ schnell lernen kann, wie Prozessparameter und -ergebnis mit der Produktqualität zusammenhängen“, so Beyerer.
Damit dieser Vorgang nicht für jeden einzelnen Prozess wiederholt werden muss, wollen die Forschenden die Erkenntnisse verallgemeinern und einen Baukasten entwickeln, der für alle ähnlichen Prozesse verwendet werden kann. Mittels dynamischer Modellierung soll ein digitales Abbild des Prozesses datenbasiert erstellt werden, um schon vorab die Datenbasis testen zu können.
Links:
Verwandte Artikel
Anzeigen
