Schwankungen im Griff Fraunhofer und Trumpf optimieren das Blechschneiden mit KI

Anbieter zum Thema

TRUMPF Laser- und Systemtechnik SE

IEF-Werner GmbH

JUNG Hebe- und Transporttechnik GmbH

JESSBERGER GmbH

Das Fraunhofer-IPA arbeitet schon länger mit Trumpf zusammen, um mit KI-Tools die Blechbearbeitung zu verbessern. Jetzt gibt es einen Durchbruch zu melden ...

Nicht nur bei der Blechbearbeitung hängt eine hohe Produktqualität und Effizienz davon ab, dass die Parameter der Produktionsmaschinen passend eingestellt sind. Das spiele vor allem beim Thema Materialschwankungen oder speziellen Materialqualitäten eine Rolle. Und oft erfolge das Einstellen der Parameter dann doch manuell. Das Wissen darüber ist somit an Fachkräfte und ihre individuelle Expertise gebunden. Manuelle Anpassungen kosten außerdem Zeit, wodurch schlecht eingestellte Anlagen oft zu lange ineffizient arbeiten. Auch sind aufgrund komplexer Produktionsprozesse oft nicht alle relevanten Zusammenhänge erkennbar. Diese Faktoren führen speziell bei der Blechbearbeitung zu einer geringeren Qualität der Schnittkanten, ungenügender Produktivität und zu hohen Produktionskosten, erklären die Experten vom Fraunhofer-Institut für Produktionstechnik und Automatisierung (IPA). Mit künstlicher Intelligenz (KI) könnte das bald der Vergangenheit angehören.

Transfer Learning vereinfacht das Parametrisieren

Denn KI biete die Möglichkeit, die Parameter von Produktionsmaschinen automatisiert einzustellen, um die Nachteile des manuellen Vorgehens ad acta zu legen. Und hierfür ist dem IPA-Team und den Trumpf-Experten ein entscheidender Fortschritt gelungen. Dazu ist zu wissen, dass, möchte man die Maschinenparameter automatisiert einstellen, es viel Aufwand bedeutet. Nötig dazu war bisher ein iterativer Prozess, der die Herstellung eines Bauteils und dessen Qualität analysiert und miteinander in Beziehung setzt. Setze man dafür aber KI ein, reduzierten sich die nötigen Iterationsschritte jedoch deutlich. Denn mithilfe maschineller Optimierungsalgorithmen können vorhandene Maschinendaten über objektivierte Qualitätsparameter und – darauf aufbauend – das Transfer Learning genutzt werden. So lassen sich die optimalen Parameter mit einem Minimum an Iterationen ermitteln, heißt es. Dem neue entwickelten KI-Algorithmus gelingt es etwa, Vorwissen aus bereits gesammelten Daten optimal zu nutzen. Gleichzeitig schlage er auch schnell neue Parameterkonfigurationen vor, die die Produktqualität im Vergleich zur manuellen Einstellung deutlich steigern könnten.

Praxistests beim Laserschneiden beweisen den Erfolg

Die so gewonnenen Ergebnisse konnte das Team direkt in der Fertigung von Trumpf validieren, wie man betont. Die Tests erfolgten beim Laserschneiden von Blechen mit einer Laserflachbett-Maschine. Demnach gelang es, mithilfe der KI-Methode, die Maschinenparameter automatisiert – und damit mit wenig Aufwand – zu verbessern. So kann Trumpf die Qualität seiner Produkte speziell bei abweichenden Materialqualitäten weiter erhöhen, um Produktionskosten zu senken. Auch vereinfache sich die Maschinenbedienung. Weil per KI auch die Ausschussquote nach unten gedrückt wird, zählt sich dieses Vorgehen auch auf Ressourcenschonung ein. Optimierungen könnten so nicht zuletzt direkt am Kundenteil erfolgen, was Testbauteile spare. Ein weiterer Vorteil sei, dass die Schnittkantenqualität auch sehr schnell automatisiert und objektiv beurteilt werden könne. Das klappt mit einer schnellen Bildaufnahme und der KI-basierten Auswertung des aufgenommenen Bilds. Für die Auswertung können übrigens auch Kriterien aus der entsprechenden DIN EN ISO 9013 mit einbezogen werden, wie die Projektpartner anmerken. Außer für das Blechschneiden, sei dieser KI-Ansatz auch beim Spritzgießen von Kunststoff, der Batteriezellenfertigung oder bei der Kabelbaummontage hilfreich – also überall dort, wo Materialschwankungen oder hoher Variantenreichtum existieren.

(ID:50443684)