DEFIne – Überwachung von Folgeverbundwerkzeugen durch künstliche Intelligenz gestützte Prozessmodelle

Im DEFIne-Projekt wird die Überwachung von Folgeverbundwerkzeugen (FVW) mittels künstlicher Intelligenz erforscht. Im Rahmen des Projekts wird ein industrienahes modulares FVW mit integrierter Sensorik entwickelt. Mit dem sensorisch ausgestatteten FVW soll der Produktionsprozess mittels künstlicher Intelligenz gestützter Prozessmodelle überwacht werden um Aussagen zum Halbzeug-, Werkzeug- und Bauteilzustand im laufenden Produktionsprozess zu erhalten um so bei Produktionseinflüssen frühzeitig gegensteuern zu können.

Projektverantwortlicher: Andre Kokozinski M. Sc.
Laufzeit: Mai 2021 – Mai 2023
Förderlinie: Dist@l Förderlinie 2 – Land Hessen

Motivation

Die Digitalisierung verspricht ein enormes Wachstumspotential und besonders für kleine und mittelständische Unternehmen (KMU) eine Steigerung der Gesamtproduktivität. Vor allem KMU der Umformtechnik, welche sich durch eine hohe Produktivität sowie komplexe mehrstufige Prozessketten auszeichnen, nutzen die Potentiale einer digitalisierten Produktion nur selten. Moderne Produktionsprozesse können auf Folgeverbundwerkzeugen inzwischen mehr als zehn Umformstufen kombinieren, wodurch die Anzahl an Stell- und Störgrößen sowie die Anforderung bei der Prozessführung stetig steigt.

Berücksichtigt man darüber hinaus auch die im Rahmen der voranschreitenden sensorischen Ausstattung von Produktionsprozessen vielfältig zur Verfügung stehenden Daten, ergibt sich eine Komplexität, die eine Analyse durch das Fachpersonal während der Prozessführung nicht mehr ermöglicht. Einzelnen Produkteigenschaften stehen dadurch eine Vielzahl an Einstellgrößen und Prozessinformationen aus den verschiedenen Umformstufen eines FVW gegenüber, was ein umfassendes physikalisch basiertes Prozessverständnis erheblich erschwert.

Im laufenden Prozess ist es somit nicht möglich, aufgrund der Anzahl und Komplexität der Umformoperationen, Aussagen zum Halbzeug-, Werkzeug- und Bauteilzustand zu treffen. Aktuell basieren Systeme zur Überwachung von Stanz- und Umformprozessen im industriellen Umfeld auf der Definition von Grenzwerten und dem Vergleich von Prozesskräften mit Referenzzuständen. Die Nutzung von anderen Prozessgrößen (Beschleunigung, Werkzeugverlagerungen, Bauteilgeometrie, etc.) sowie die Synchronisation solcher Daten aus verschiedenen Quellen ist nicht Stand der Technik.

Lösungsweg

Die Digitalisierung und die damit verbundene Sensorqualifizierung und die kennwertbasierte Modellbildung auf Basis KI-gestützter Methoden haben großes Potential, diese Prozesse zu beherrschen, Fachpersonal bei der Prozessanalyse und Prozessführung zu unterstützen und somit die Gesamtproduktivität umformtechnischer Unternehmen zu steigern.

Um dieses Ziel zu erreichen wird im Rahmen des DEFIne Projekts ein modulares Folgeverbundwerkzeug unter Berücksichtigung industrieller Standards mit integrierter Sensorik entwickelt und eine Softwareplattform zur Vernetzung, Strukturierung und Synchronisation von unternehmensspezifischen Daten entwickelt und Modelle zur Beschreibung des Halbzeug-, Werkzeug- und Bauteilzustandes aufgebaut. Die Abbildung zeigt die Vorgehensweise im Forschungsprojekt. Mit dem industrienahen FVW werden über die integrierte Sensorik Prozessdaten wie in der Abbildung beispielhaft gezeigt, die Prozesskraft, aufgezeichnet. Anschließend werden die Daten für Machine Learning Algorithmen aufbereitet und zur Zustandsprognose genutzt. Hierbei werden datengetriebene Analysen mit domänenspezifischem Wissen kombiniert um die Qualität der KI-gestützten Prozessmodelle zu steigern.

Daraus werden Strategien und Handlungsempfehlungen zur modellbasierten Überwachung von FVW abgeleitet um Unternehmen der Umformtechnik in Zukunft den Einstieg in eine KI-gestützte Überwachung ihrer Folgeverbundwerkzeugen zu erleichtern.

[1] Vorgehen im DEFIne-Projekt

Danksagung

Das Projekt DEFIne wird von dem Förderprogramm Distr@l aus Mitteln des Landes Hessen gefördert. Zusätzlich gilt der Dank an die Projektpartner Intelligent Data Analytics GmbH & Co. KG und Thomas GmbH.

Gefördert durch

Projektpartner