Software für die Fertigung Assistenzsysteme helfen bei der Qualitätssicherung

Autor / Redakteur: Christoph Legat und Benno Lüdicke / Dipl.-Ing. (FH) Reinhold Schäfer

In Fertigungs- und Montageprozessen gibt es Bearbeitungsschritte, die mehr als andere zu Abweichungen und Fehlern neigen. Wo eine lückenlose Qualitätskontrolle nach dem fehleranfälligen Schritt nicht möglich ist, können Assistenzsysteme die bisher rein zufällige Testauswahl steuern und den Mitarbeitern in Fertigung und Qualitätskontrolle Korrekturhinweise geben.

Firmen zum Thema

Wenn Fertigungsprozesse wie das Bohren sich als fehleranfällig erweisen, können Assistenzsysteme helfen, die Qualität zu erhöhen.
Wenn Fertigungsprozesse wie das Bohren sich als fehleranfällig erweisen, können Assistenzsysteme helfen, die Qualität zu erhöhen.
(Bild: Shutterstock, Rombo Studio)

Wiederholgenauigkeit ist ein Qualitätsmerkmal von Werkzeugmaschinen und Prozessschritten in der industriellen Produktion. Doch in komplexen automatisierten Verfahren und noch viel mehr in teilautomatisierten Bearbeitungsschritten kann es aus vielerlei Gründen zu Abweichungen kommen: komplexe Materialien mit Qualitätsschwankungen, Umwelteinflüsse, menschliche Faktoren oder natürlich Werkzeugverschleiß.

Der Übergang zur Industrie 4.0 eröffnet jetzt Möglichkeiten, sich nicht mehr nur auf den geschulten Blick des Arbeiters an der Maschine oder die Testverfahren in der Qualitätssicherung zu verlassen. Die Vernetzung der Systeme in Produktionsstätten ermöglicht Austausch, Sammlung und Verarbeitung von Daten.

Bildergalerie

Wenn Fertigungsprozesse wie das Bohren sich als fehleranfällig erweisen, können Assistenzsysteme helfen, die Qualität zu erhöhen.
Wenn Fertigungsprozesse wie das Bohren sich als fehleranfällig erweisen, können Assistenzsysteme helfen, die Qualität zu erhöhen.
(Bild: Shutterstock, Rombo Studio)

Der Engineering-Dienstleister Assystem befasst sich auch intensiv mit Assistenz- oder Expertensystemen, die Maschinen- und Prozessdaten aus der Fertigung, Sensordaten sowie Daten aus anderen IT-Systemen wie CAD, MES oder ERP zusammenführen und analysieren, um die Qualität besonders fehleranfälliger Prozessschritte zu verbessern.

Montagelöcher in Composite-Materialien

Als Beispiel soll hier ein reales Projekt für die Analyse anspruchsvoller Bohrprozesse dienen. In Vorbereitung auf die Montage wird in einer Produktion ein Bauteil mit einer großen Zahl Bohrungen versehen. Trotz Automatisierung und Electronic Drilling Unit ist das ein schwieriger, vergleichsweise fehleranfälliger Prozess, weil das Werkstück aus Composite-Material besteht und das Bohren durch die Phasenübergänge im Werkstoff erschwert wird. Zugleich stellen aber unsaubere und ausgerissene Kanten der Bohrlöcher eine Schwächung des Werkstoffs dar, verhindern eine saubere Endmontage und sind ein Sicherheitsrisiko, das unbedingt zu vermeiden ist.

Die Aufgabe für Assystem ist es, fehlerhafte Bohrungen besser zu erkennen und so die Kosten und Sicherheitsrisiken durch eine frühe Nachbearbeitung zu senken.

Composite-Werkstoffe haben hervorragende Materialeigenschaften, sind aber nicht immer einfach zu verarbeiten.
Composite-Werkstoffe haben hervorragende Materialeigenschaften, sind aber nicht immer einfach zu verarbeiten.
(Bild: Shutterstock, T Lao Photography)

Prozessparameter erfassen und bewerten

Der Lösungsansatz: Zunächst werden Daten aus verschiedenen Quellen zusammengeführt und in ihren Abhängigkeiten erfasst, um ein mathematisches Modell des Prozesses entwickeln zu können. Dazu gehören auf der einen Seite Produktdaten, das CAD-Modell, die Parameter und Sensordaten der Maschine und auf der anderen die Messergebnisse aus der Qualitätskontrolle.

Wenn nun aussagekräftige Korrelationen zwischen den Prozessdaten und den Messergebnissen erkennbar sind, kann die Software lernen, was normal ist und was eine Abweichung bedeutet. Dabei werden verschiedene Arten von Abweichungen analysiert. Einzelne Fehler haben möglicherweise ganz andere Ursachen als schleichende Veränderungen von Parametern. Und schließlich muss festgelegt werden, welche Ergebnisse welche Empfehlungen erzeugen sollen. Im Fall der Bohrlöcher sind die wesentlichen Prozessdaten Geschwindigkeit und Vorschub. Der wichtigste Zusammenhang ist der, dass Materialschichten des Composite-Materials ausreißen, wenn der Bohrer mit der falschen Geschwindigkeit auf sie trifft. Ursachen für singuläre Abweichungen sind Verkantungen beim Einspannen des Werkstücks oder Verunreinigungen des Bohrers.

Das Ziel des angestrebten Assistenzsystems ist es, aus der Fusion verschiedener Maschinen- und Prozessdaten Abweichungen vorherzusagen und Handlungsempfehlungen zu geben. Die Aufgabe, die sich den Entwicklern von Assystem in diesem Fall stellte, war es, einer Software beizubringen, Abweichungen nicht nur zu erkennen, sondern diese auch qualitativ und quantitativ zu analysieren. Das Ergebnis kann sein, dass zusätzliche Bohrlöcher in das Testprogramm beziehungsweise die Inspektion durch die Qualitätssicherung aufgenommen werden, weil das Assistenzsystem Abweichungen in verschiedenen Prozessdaten erfasst hat. Das Ergebnis kann aber auch sein, dass die Daten auf einen Verschleiß des Bohrers hinweisen, woraufhin der Maschinenbediener zum Werkzeugwechsel aufgefordert wird.

Datengestützte Assistenz

Algorithmische Untersuchungen verfolgen das Ziel, Abweichungen der Bohrungen frühzeitig zu entdecken, und bieten damit die Möglichkeit, die Anzahl der schadhaften Bohrungen zu reduzieren. Das Assistenzsystem besteht im Wesentlichen aus drei Hauptfunktionen: der Anomalieerkennung, die mit ihren Algorithmen anhand der Prozessdaten mögliche Abweichungen identifiziert, der Plangenerierung, die den Testplan mit Informationen über die zu testenden Löcher festlegt, und der Testplanvisualisierung, die die Handlungsempfehlung am Arbeitsplatz ausgibt.

Selbstlernende Expertensysteme

Im Beispiel der sicherheitskritischen Montagebohrungen für Composite-Bauteile wird die Optimierung vor allem dadurch erreicht, dass die Qualitätskontrolle mehr aufdeckt. Aufgrund ihrer großen Zahl können die Löcher nur stichprobenartig vermessen werden. Durch die Empfehlung des Assistenzsystems sind unter den vermessenen Löchern mehr tatsächlich abweichende, sodass dort die Nachbearbeitung ansetzen kann.

Fernziel in Richtung eines selbstlernenden Expertensystems ist es, die Testergebnisse in Relation zu den Ergebnissen der Anomalieerkennung zu setzen und in das System zurückzuführen. So erhält man einen Kreislauf, aus dem das System lernen kann, die Prozessdaten kontinuierlich besser zu interpretieren. Analog zum erfahrenen Arbeiter bekommt also auch dieses System ein immer besseres „Gespür“, um schon vor einer Messung voraussagen zu können, ob der Prozess ausreichend stabil war oder nicht.

Ein wichtiges Stück der Smart Factory

Assistenzsysteme sind eine wichtige Ergänzung der M2M-Kommunikation in einer Smart Factory. Mit ihrer Hilfe sollen Mitarbeiter von den Daten profitieren, die vernetzte Maschinen und Anlagen bereitstellen. Wir Menschen können zwar einzelne Daten und Schwellwerte erfassen und prüfen, mehrdimensionale Abhängigkeiten in Prozessen überfordern uns jedoch. Dort helfen die Assistenzsysteme: Durch die Zusammenführung von Daten aus verschiedenen Quellen, ihre Analyse und die automatische Bewertung der Ergebnisse, lässt sich die Qualität an Stellen optimieren, die bisher zum Teil unberechenbar schienen. Gerade wenn es sich um Bestandsmaschinen handelt, müssen auf solche Assistenzsysteme spezialisierte Entwickler wie Assystem zunächst Prozessdaten verfügbar machen. Um solche Systeme zu entwickeln, wird dann untersucht, welche Korrelationen sich zwischen den Prozessdaten und den Daten der Qualitätssicherung finden lassen. Diese Korrelationen werden dann mithilfe von Algorithmen in Software erschlossen, um das Auftauchen von Abweichungen vorhersehbarer zu machen.

* Christoph Legat ist Software Professional und Benno Lüdicke Team Manager Smart Factory Solutions bei der Assystem Germany GmbH in 80807 München

(ID:45039194)