Anbieter zum Thema

Fraunhofer-Institut für Software- und Systemtechnik ISST

Verein Deutscher Werkzeug- maschinenfabriken e. V. (VDW)

Klinkhammer Intralogistics GmbH

COSCOM Computer GmbH

FORCAM ENISCO GmbH

Dem Zerspanungsprozess mit Datenanalyse auf der Spur

Auf KI setzt auch ein neues Verfahren, das den Werkzeugverschleiß in Zerspanungsprozessen analysiert. Einerseits sollen die teuren Werkzeuge möglichst lange eingesetzt werden. Andererseits ist es wichtig, die Restlebensdauer genau abzuschätzen. Denn ein Werkzeugbruch und ein dadurch zerstörtes Werkstück oder sogar ein Schaden an der Werkzeugmaschine werden teuer und müssen deshalb möglichst vermieden werden. Bisher löste man diesen Zielkonflikt so: Die Werkzeuge werden vorzeitig nach einer erfahrungsbasierten Zahl von Arbeitsgängen ersetzt. Allerdings kostete der Werkzeugaustausch Zeit und Geld, weshalb es sich lohnt, die Wechselzyklen zu optimieren.

Hier kommt die KI ins Spiel: Um den Verschleißzustand zuverlässig vorhersagen und so Zerspanungsprozesse optimieren zu können, haben Forscher der Technischen Universität Kaiserslautern ein Verfahren entwickelt, das das System anhand von realen Prozess- und Messdaten trainiert. Konkret läuft das so, dass, um den Verschleißzustand von Zerspanwerkzeugen vorhersagen zu können, zunächst prozessbezogene Kenngrößen herangezogen werden. Dazu zählen unter anderem die beim Zerspanen wirkenden Kräfte, die Schwingungen der Maschine sowie der Leistungsbedarf der Maschinenachsen. Ebenso werden Daten aus kontinuierlichen Messungen am Werkzeug und am Werkstück gesammelt. Die größte Herausforderung bestehe dann darin, Korrelationen in den gesammelten Daten zu ermitteln.

Hierfür trainieren die Forscher das KI-gestützte System, das Methoden des Maschinellen Lernens nutzt, um mögliche Muster zu erkennen und daraus Schlüsse zum Verschleißzustand abzuleiten. Darüber hinaus soll es vorhersagen können, mit welchen Prozessparametern Unternehmen bei bestimmten Zerspanungsprozessen arbeiten müssen, um das Werkzeug für eine angestrebte Nutzungsdauer zuverlässig im Einsatz zu halten. Die Daten, die das System zum Lernen brauche, würden bei fünf Partnerunternehmen erhoben. Darunter sind Global Player ebenso wie KMU. Dabei würden verschiedene Varianten durchgespielt, was etwa Werkzeug- und Werkstofftypen oder Prozessparameter betreffe, um eine möglichst breite Datenbasis über die gesamte Lebensdauer bis hin zum Versagen des Werkzeugs zu erfassen. Künstliche Intelligenz sei schon ziemlich schlau, aber noch lange nicht perfekt. Zu unterschiedlich sind die einzelnen Prozesse von Anwendungsfall zu Anwendungsfall. KI dient also momentan eher als Entscheidungsunterstützung. Immer besser werden soll das System durch das so genannte Transfer Learning. Dabei wird Wissen von verwandten, bereits gelernten Aufgaben genutzt, um „Machine Learning“-Modelle schneller für neue, aber verwandte Aufgaben trainieren zu können.

IIP-Ecosphere für einen einfachen Zugang zur KI-Welt

Gleichwohl sind die Vorteile von künstlicher Intelligenz in der industriellen Fertigung vor allem für kleine Unternehmen nicht immer offensichtlich. Viele haben Bedenken, ihre Produktionsdaten zur eingehenden Analyse durch Computer freizugeben. Für produzierende Unternehmen, denen der Mehrwert von KI noch unklar ist, soll das Projekt IIP-Ecosphere, an dem das Fraunhofer-Institut für Software- und Systemtechnik (Fraunhofer ISST) mitarbeitet, einen niedrigschwelligen Zugang zu herstellerunabhängigen KI-Möglichkeiten für die Lösung komplexer Probleme in der Produktion bieten. Ziel des Projekts ist es, ein neuartiges Ökosystem aufzubauen – und zwar mit allen Akteuren, die den Einsatz von KI in der Produktion voranbringen. Darunter befinden sich Universitäten und Forschungseinrichtungen, Industrieunternehmen und Anbieter von KI. Künstliche Intelligenz lebe nicht zuletzt von der Vernetzung von Wissen. Entstehen soll so die „Ecosphere for Intelligent Industrial Production“, kurz IIP-Ecosphere.

Markus Spiekermann, Abteilungsleiter Datenwirtschaft beim Fraunhofer-Institut für Software- und Systemtechnik ISST, erklärt: „Beispielsweise wird im Projekt IIP-Ecosphere der so genannte KI-Lösungskatalog entwickelt. Es handelt sich um eine Plattform zur Entdeckung und Analyse existierender KI-Lösungen für produktionsspezifische Problemstellungen.“ Außer dem einfachen Zugang zu den Informationen bestehender Antworten biete der Katalog gezielte Filter anhand von Anwendungsfällen und zeige den Mehrwert der Möglichkeiten auf. „Einzelne KI-Anwendungen können dann mithilfe der ebenfalls im Projekt entwickelten Open-Source IIoT-Plattform direkt implementiert werden“, so Spiekermann.

Deutschland hinkt (noch) im internationalen Vergleich hinterer

Nicht nur Wissen, sondern auch Daten sind Macht, um im knallharten internationalen Wettbewerb bestehen zu können. Hat Deutschland mit Blick auf Wettbewerber in den USA und Japan einen Entwicklungsvorsprung beim Einsatz künstlicher Intelligenz in der industriellen Produktionstechnik? Das Urteil darüber fällt differenziert aus. „Aus meiner Sicht ist aktuell kein Entwicklungsvorsprung vorhanden, auf dem wir uns ausruhen dürfen“, denkt Experte Spiekermann. Speziell was das Thema KI angeht, was auch in der industriellen Produktionstechnik gilt, hinkt Deutschland eher den internationalen Anbietern hinterher.

Andererseits konstatiert der Fraunhofer-Experte: „Wir haben jedoch sehr wohl noch einen Wissensvorsprung, was die Optimierung der domänenspezifischen Prozesse angeht!“ Dazu zählt die Beantwortung der Fragen, welche Daten vorhanden sind und welche für bestimmte Anwendungsfälle benötigt werden. Aber auch, welche Fallstricke und Ausnahmeregelungen berücksichtigt werden müssen. „Wenn wir unsere fachliche und technologische KI-Kompetenz schnell verbessern, können wir uns in Deutschland mit diesem Domänen-Know-how einen großen Entwicklungsvorsprung herausarbeiten“, ist sich Spiekermann sicher.

(ID:49599167)