Künstliche Intelligenz in der Prozessüberwachung kann Ausschuss reduzieren, die Bauteilqualität steigern und das Personal entlasten. Dass dafür nicht zwingend Investitionen in neue Maschinen notwendig sind, zeigt das kürzlich abgeschlossene Forschungsprojekt ‚AutoPress‘ des IPH – Institut für Integrierte Produktion Hannover und Jobotec. Die Forschenden haben ein System aus Sensoren und KI entwickelt, mit dem sich alte Maschinen im Rahmen eines Retrofits nachrüsten lassen. Entwickelt wurde das System am Beispiel einer Spindelpresse, es lässt sich aber auch auf andere Maschinen und Anlagen übertragen.
Wie die Forschenden mitteilen, erkennt das im Projekt entwickelte System Parameterabweichungen mit einer Erfolgsquote von 95 bis 98 Prozent. Werden Fehler erkannt, erhält die Person eine Rückmeldung, die die Anlage bedient:
- „Achtung, das Werkzeug ist fehlerhaft eingebaut!“
- „Achtung, das Halbzeug ist nicht zentriert!“
- „Achtung, Sie haben das falsche Material eingelegt!“
Die Forschenden weisen darauf hin, dass auch weniger qualifizierte Mitarbeitende mit KI-Unterstützung die Maschinen bedienen können.
Neues Leben für alte Maschinen
Im Forschungsprojekt haben IPH und Jobotec beispielhaft eine alte Spindelpresse mit modernen Sensoren ausgestattet. Dabei haben die Forschenden darauf geachtet, mit kostengünstigen Komponenten und bestehenden Industriestandards zu arbeiten – damit sollen auch kleine und mittlere Unternehmen in der Lage versetzt werden, Maschinen ohne großen Aufwand nachzurüsten.
Ausgerüstet wurde die Spindelpresse unter anderem mit Laserdistanzsensoren, Sensoren zur Spannungsmessung und Temperatursensoren. Verschiedene KI-Modelle werten die Messergebnisse aus und gleichen sie mit den idealen Parametern ab. Werden Abweichungen erkannt, gibt das System Handlungsempfehlungen aus.
So kann das System etwa Abweichungen von der idealen Halbzeughöhe erkennen. Hier können bereits wenige Millimeter große Folgen haben: Wurde zu wenig Material in die Presse eingelegt, wird keine Formfüllung erreicht und Ausschuss produziert. Ist das Halbzeug dagegen zu hoch, wird Material und Energie verschwendet. In beiden Fällen gibt die KI eine Empfehlung aus, um wie viele Millimeter die Höhe des Halbzeugs korrigiert werden muss, um entweder Ausschuss oder Verschwendung zu vermeiden.
Abweichungen von der idealen Werkzeugposition erkennt die KI ebenfalls. Liegen beispielsweise die beiden Werkzeughälften nicht genau deckungsgleich übereinander, wirkt sich dies negativ auf die Bauteilqualität aus. Gleiches gilt, wenn das Halbzeug nicht genau mittig im Werkzeug liegt.
Auch das falsche Material kann zu Fehlern führen – und eine Verwechslung ist oftmals nicht mit bloßem Auge erkennbar. Verschiedene Stahlsorten benötigen unterschiedliche Temperaturen und Umformkräfte. Die KI erkennt dies und weist auf Werkstoff-Verwechslungen hin – so kann die Anlage gestoppt und der Fehler korrigiert werden, bevor in großer Zahl fehlerhafte Bauteile produziert werden.
Ganz ohne Experten geht es nicht
Die Forschenden betonen, dass es sich bei der KI-gestützten Prozessüberwachung um ein sogenanntes Expertensystem handelt, das zunächst angelernt werden muss. Dies erfordert eine Person mit viel Fachwissen und Erfahrung an der entsprechenden Maschine. Durch Supervised Learning-Algorithmen lernt das System Fehlerbilder zuverlässig zu erkennen. So lässt sich das System auf viele verschiedene Maschinen und Produktionsprozesse trainieren.
