Die Herstellung von präzisen Bauteilen, z.B. für die Medizintechnik und Luftfahrt, unterliegt strengen Qualitätsanforderungen und häufig einer Dokumentationspflicht, weshalb produzierende Unternehmen oft 100-Prozent-Prüfungen durchführen. Aktuell erledigen diese Kontrollen meist Fachkräfte manuell. Angesichts des Fachkräftemangels wird es für Unternehmen zunehmend schwieriger, geeignetes Personal für Qualitätskontrollen zu gewinnen. Dies betrifft insbesondere Nacht- und Wochenendschichten. Eine Automatisierung dieser Kontrollen mit herkömmlichen Messsystemen ist in der Regel mit hohen Nebenzeiten verbunden. Zudem wird in beiden Fällen die Bauteilqualität erst nach Ende des Fertigungsprozesses festgestellt. Folglich werden Prozessstörungen erst verspätet erkannt und Ausschussbauteile durchlaufen ebenfalls aufwendige Qualitätskontrollen. Insgesamt entstehen etwa 25 bis 30 Prozent der Herstellungskosten durch die Qualitätssicherung.
Vorausschauende Prüfungen
Im Projekt QPredict wird daher ein modulares, adaptives Fertigungssystem entwickelt, das auf dem Prinzip der virtuellen Qualitätskontrolle (Predictive Quality, PQ) basiert. Das Vorhaben wird im Rahmen des ‚Zentralen Innovationsprogramms Mittelstand‘ durch das Bundesministerium für Wirtschaft und Energie (BMWE) gefördert und läuft von Januar 2026 bis Mai 2028. Ziel ist es, Qualitätsabweichungen nicht erst nach der Fertigung, sondern bereits während des laufenden Prozesses zu erkennen und gezielt gegenzusteuern, ohne zusätzliche Nebenzeiten zu verursachen. Dadurch sollen sich Ausschuss und Nacharbeit reduzieren, die Herstellkosten senken und ein wirtschaftlicher Drei-Schicht-Betrieb realisieren lassen. Das System ist in vier aufeinander aufbauende Module gegliedert und umfasst die strukturierte Datenerfassung in digitalen Werkstückzwillingen, eine prozessparallele Anomalie-Detektion, eine Qualitätsprädiktion auf Basis von maschinellem Lernen mit bedarfsgerechter Endkontrolle sowie eine automatisierte Prozessadaption.
Datenfundament errichten
Die im Projekt geplanten, datengetriebenen Funktionen setzen eine umfassende Datengrundlage voraus. Daher werden im ersten Schritt sämtliche bauteilbezogenen Informationen, wie Prozessstellgrößen und -signale sowie Qualitätsdaten und relevante Ereignisse, aufgezeichnet und strukturiert in digitalen Werkstückzwillingen gespeichert. Im weiteren Projektverlauf werden die Werkstückzwillinge schrittweise um zusätzliche Informationen ergänzt, beispielsweise um Modellprognosen und vorgenommene Prozessanpassungen.
Labeln vor dem Training
Derzeit wird das Modul für die Erzeugung der digitalen Werkstückzwillinge entwickelt. Die bauteilbezogenen Informationen werden über einen Edge-PC aus unterschiedlichen Datenquellen automatisiert ausgelesen und vorverarbeitet. Der Großteil der relevanten Informationen liegt in der NC und PLC vor. Hierzu zählen hochfrequente Antriebssignale sowie qualitäts- und prozessbezogene Informationen. Zusätzlich werden Schwingungen im Prozess über einen Beschleunigungssensor erfasst. Zudem ermöglicht eine visuelle Nutzeroberfläche der Fachkraft Auffälligkeiten im Fertigungsprozess direkt zu vermerken (Labeln). Diese Label bilden einen wesentlichen Baustein für das spätere Modelltraining für die nachfolgenden Module.
Modular durch MQTT-Broker
Die zentrale Kommunikationslogik basiert auf einer skalierbaren Broker-Architektur über MQTT, an welche die spezialisierten Vorverarbeitungsdienste ihre Daten übermitteln. Hochfrequente Signale wie das Spindeldrehmoment (10kHz) werden dabei in sogenannten Batches gebündelt, um eine effiziente Weiterverarbeitung zu ermöglichen. Durch diese modulare Struktur der Architektur kann das System mit geringem Aufwand um zusätzliche Datenquellen oder Vorverarbeitungsdienste erweitert, aktualisiert und auf weitere Maschinen ausgeweitet werden. Eine besondere Herausforderung besteht dabei in der Heterogenität der Daten. Die erfassten Informationen sind multimodal, weisen unterschiedliche Abtastraten auf, treffen zeitlich versetzt ein und erzeugen zum Teil hohe Datenvolumina. Um diese Daten für die spätere Modellentwicklung nutzbar zu machen, werden sie strukturiert und synchronisiert, bevor sie anschließend in einer PostgreSQL-Datenbank komprimiert gespeichert werden. Abschließend können über eine einzelne Datenbankabfrage sämtliche Bauteilinformationen, z.B. positionsaufgelöst für ein spezifisches Formelement, ausgegeben werden.
Testlauf beim Zerspaner
Das System wird derzeit bei CNC-Technik Mack Burgrieden anhand eines Beispielbauteils entwickelt und in Betrieb genommen. Durch die vollautomatisierte und kontinuierliche Datenerfassung entsteht in den kommenden Monaten eine umfangreiche Datenbasis, die im weiteren Projektverlauf fortlaufend erweitert wird. Darauf aufbauend folgen die Entwicklung und Validierung der Module zur Anomalie-Detektion, Qualitätsprädiktion und Prozessadaption.
