Nichts übersehen Smartes Baukastensystem erkennt Oberflächenfehler in Echtzeit

Anbieter zum Thema

Treston Deutschland GmbH

Renishaw GmbH

Getac Technology GmbH

Fraunhofer IWS Dresden

Schneller, genauer, flexibler! Im Produktionsumfeld gilt es, schlummerndes Optimierungspotenzial voll auszuschöpfen. Forscher vom Fraunhofer IWS haben hierfür nun Surfinpro entwickelt ...

Ultraleicht, ultradünn, besonders zuverlässig und trotzdem schnell produzieren. Dr. Christopher Taudt, Gruppenleiter Oberflächenmesstechnik im Zwickauer Fraunhofer-Anwendungszentrum für Optische Messtechnik und Oberflächentechnologien (AZOM) des Fraunhofer IWS, sorgt mit seinem Team dafür, dieses Produktversprechen zu halten. Denn die Spezialisten haben ein System namens Surfinpro entwickelt, das Oberflächenfehler, Artefakte und Texturänderungen erkennt. Unterstützt wird es dabei durch künstliche Intelligenz, die das Messergebnis auswertet, wie es weiter heißt.

Das Verfahren sei in der Lage, Oberflächen schnell und in hoher Auflösung dreidimensional zu erfassen und aus den Messdaten weiterführende Informationen zur laufenden Produktion „in line“ zu generieren. Fehler, betont Traudt, werden nicht nur als solche erkannt. Das System klassifiziere sie auch und generiere somit direkt einen weiterführenden Kontext. Die Anwender erhalten Informationen über die Art des Fehlers und zahlreiche weitere Parameter, wie unter anderem die Defektdichte, die geometrischen Abmessungen des Fehlers oder die Fehlerhäufigkeit.

Oberflächenfehler bei Rolle-zu-Rolle-Produktion sicher erkennen

Das Messsystem ist bereits seit über einem Jahr erfolgreich in der Anwendung, heißt es weiter. Es analysiert auf einer Breite von 70 Zentimetern ein Rolle-zu-Rolle-Verfahren. Um weiteres Optimierungspotenzial auszuschöpfen, trainieren Taudt und sein Team Surfinpro bei laufender Produktion. Die Wissenschaftler arbeiten dabei mit einem Fehlerkatalog, wie man erfährt. Mit den gemeldeten Fehlern speisen sie ein neuronales Netz und präzisieren so die detektierten Anomalien. Die Forscher überprüfen anhand der Messinformationen etwa auch, ob es sich um neue Defekte handelt, oder ob sich die Fehler verändern. Das System müsse entsprechend dynamisch reagieren. Deshalb arbeite man bereits daran, bessere neuronale Netze zu entwickeln, die mit weniger Daten auskommen und an neuen Trainingsstrategien für den laufenden Betrieb.

Die Kollegen am Fraunhofer Azom adaptieren die Technologie aktuell für zusätzliche Anwendungsfelder. Diese betreffen etwa kontinuierliche Fertigungsverfahren für Bauteile aus Faserverbundwerkstoffen. Auf diesem Gebiet gehe es nicht nur um das Vermeiden oberflächennahen Fehlern. Es gehe dabei auch darum, mehrdimensionale Bauteile zu erkennen und zu beurteilen. Derzeit kommen bei der Anwendung des Fraunhofer Azom maximal vier Kameras zum Einsatz. In einem weiteren Schritt möchten die Forscher weitere Kamerasysteme implementieren. Das ist verfahrensunabhängig interessant – ob für Faserverbundwerkstoffe mit sehr großen Bauteilen oder bei klassischen Rolle-zu-Rolle-Verfahren, wie sie etwa in der Photovoltaikindustrie typisch sind, wie es heißt. Eine weitere Zielgruppe, die Zugang zu den Algorithmen und dem System zur Fehlerklassifikation erhalten soll, ist die Halbleiterindustrie, wo das Ganze etwa die Produktion von flexiblem Halbleitermaterial unterstützen soll.

(ID:49535468)