Verbundprojekt »DIPOOL«

Lernende Produktionstechnik – Einsatz künstlicher Intelligenz (KI) in der Produktion

Kürzere Entwicklungs-, Fertigungs- und Lieferzeiten,  wachsender Kostendruck und höhere Qualitätsanforderungen fordern die Produzenten. Dabei spielt in komplexen Fertigungsprozessen der Einsatz von modernen Produktionsausrüstungen eine wesentliche Rolle. Gleichzeitig verändern sich auch die Entwicklungsprozesse der Produktions­ausrüstungen durch die digitale Transformation rasant. Im Fokus der Fördermaßnahme »Lernende Produktionstechnik – Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern)« steht daher die Erhöhung der Leistungsfähigkeit und Funktionalität von Maschinen und Ausrüstungen der Fertigungstechnik durch den verstärkten Einsatz von KI, beispielsweise durch das maschinelle Lernen. Die Potenziale der KI im Fertigungseinsatz sollen aufgezeigt und beschleunigt erschlossen werden. Hierzu werden Methoden und Werkzeuge der KI entwickelt oder weiterentwickelt und angewandt. Die Lösungen werden beispielhaft implementiert und prototypisch unter realitätsnahen Bedingungen an und in Fertigungsmaschinen in den Unternehmen erprobt. Damit wird ein wesentlicher Beitrag zur Steigerung der Wirtschaftlichkeit der gesamten Wertschöpfungskette geleistet.

DIPOOL - Lasermaschinen mit Grips lernen dazu

Produktionstechnik muss den zunehmend volatilen Bedarf nach variierenden Produkten (Werkstoff, Design, Funktion) bei höchstmöglicher Wirtschaftlichkeit und Flexibilität erfüllen. Lasermaschinen sind dafür prädestiniert. Aber auch sie erfordern für einen wirtschaftlichen Betrieb verstärkte Automatisierung. Der Lösungsansatz des vom Fraunhofer-Institut für Lasertechnik ILT wissenschaftlich koordinierten Verbundprojektes DIPOOL zur Gewinnung von Autonomie und Agilität besteht in der Kombination der einzigartigen zeitlichen und räumlichen Programmier- und Kontrollierbarkeit von Laserwerkzeugen mit geeigneten Methoden maschinellen Lernens (ML).

Konkretes Ziel ist die automatische und robuste Überwachung, Qualitätssicherung und Optimierung von Lasermaschinen bei wechselnden Fertigungsaufgaben. DIPOOL wird erstmalig für die beiden weltweit umsatzstärksten Laserfertigungsverfahren - Schneiden und Schweißen - die Vorteile der Integration maschinellen Lernens demonstrieren – zum Vorteil der deutschen Laserindustrie und der Endanwender aller blechverarbeitenden Branchen. Als Demonstrator wird bei der Automatic-Systeme Dreher GmbH eine Anlage zum Laserstrahl-Hochgeschwindigkeitsschneiden von Formplatinen aufgebaut und evaluiert, die die neuen, intelligenten ML-gestützten Algorithmen nutzt, um in Echtzeit den aktuellen Prozesszustand zu identifizieren, bei Zustandsabweichungen die Prozessparameter automatisiert anzupassen und damit in geschlossenen Regelschleifen die geforderte Schnittqualität und Produktivität sicherzustellen. Außerdem wird in einer Laserroboterzelle der LBBZ GmbH das 3D-Schweißen mit der digitalen Optimierungstechnik demonstriert. 

Der innovative, wissenschaftliche Ansatz des Fraunhofer ILT besteht darin, dem Bearbeitungsprozess »minimalinvasive« Lasermodulationsmuster aufzuprägen. Darauf antwortet der Prozess kontinuierlich mit besonders charakteristischen, zustandsabhängigen Signalen. Erst die Verfügbarkeit derartiger Antwortsignale und ihre Fusion mit weiteren Sensordaten der Maschine erlauben ein hocheffizientes Trainieren von ML-Algorithmen und zuverlässige Schlussfolgerungen und Entscheidungen des KI-Systems. Das Institut für Industrielle Informationstechnik IIIT des Karlsruher Institut für Technologie (KIT) steuert die Grundlagen einer effizienten Signalanalyse für das maschinelle Lernen bei. Der Einsatz einer vollkommen neuartigen, multispektralen Sensorik der 4D Ingenieurgesellschaft für Technische Dienstleistungen mbH wird den mit ML verwertbaren Informationsgehalt der Prozesssignale insbesondere für Laserstrahlschweißanwendungen zusätzlich steigern. Die Precitec GmbH & Co. KG erarbeitet die zugehörige smarte Systemtechnik und Sensorik für Laserschneidanlagen. Schlussendlich sorgt die Marx Automation GmbH für die Implementierung der trainierten ML-Algorithmen in Überwachungs-, Entscheidungs- und Regelungsmodule der Lasermaschinensteuerung.

Die in DIPOOL geplanten Innovationen werden die Gesamtproduktivität von Laseranlagen insbesondere für das Schneiden und Schweißen von Blechwerkstoffen im Fahrzeugbau, in der Bauwirtschaft, Konsumgüterindustrie und natürlich im Maschinen- und Anlagenbau selbst um ca. 25 Prozent erhöhen. Von Weiterentwicklungen werden auch additive und mikrotechnische Laseranwendungen profitieren. Inbetriebnahme-, Anlauf- und Einrichtzeiten werden kürzer oder entfallen ganz. Die Sicherheit, Stabilität und Zuverlässigkeit der Lasermaschinen wird verbessert. Damit erhöhen sich zudem die Produktqualität und die Ressourceneffizienz – ökonomisch und ökologisch ein echter Gewinn.