Stellen Sie sich Ihre individuelle Projektübersicht zusammen.
Schlagwort: Künstliche Intelligenz (KI)
Fördermaßnahme: Lernende Produktionstechnik - Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern)
Forschungsziel: Das Ziel ist die Entwicklung eines KI-kognitionsunterstützenden Assistenzsystems zur Inprozesskontrolle (KIKA-IPK), welches durch selbstlernende Bildmerkmalskorrelationen mit Prozesseigenschaften eine ressourceneffizientere Prozess- und Materialkonfiguration ermöglicht. Hierbei wird das Erfahrungswissen des Maschinenbedieners zur Verbindung visueller Qualitätsmerkmale einerseits und Prozesseigenschaften andererseits durch maschinelle Lernverfahren modelliert. Als Projektergebnis wird ein Assistenzsystem angestrebt, das durch die Abbildung optischer Qualitätsmerkmale des Produkts und seiner Prozessgrößen in einem KI-Modell während der Fertigung eine ressourceneffizientere Zielkonfiguration der Prozessparameter ermöglicht. Für den maschinellen Lernvorgang werden von den Anwendungspartnern optische Bildmerkmale, wie bspw. Oberflächentextur, Schweißbad, Tröpfchen und Meniskus und dazugehörigen Prozessdaten für die adressierten additiven Fertigungsverfahren über eine Cloud-Schnittstelle zur Verfügung gestellt. Das KI-Modell wird für zwei Anwendungsszenarien, das additive Auftragschweißen von Metallen und Drop-on-Demand Verfahren für den personalisierten Medikamentendruck, unter fertigungsnahen Bedingungen demonstriert. Der Lösungsansatz erlaubt es, systematisch die derzeit erforderlichen kognitiven menschlichen Fähigkeiten in der Reaktion auf Abweichungen in der additiven Fertigung zu erkennen, aus dem antrainierten Erfahrungswissen der Akteure mit den Prozesseigenschaften zu korrelieren und adäquate Maßnahmen in Echtzeit über die Maschinensteuerung einzuleiten, auf die maschinelle Fähigkeiten der KI zu übertragen. Der Innovationsaspekt des vorgestellten Lösungsansatzes, der über den Stand der Technik hinausgeht, besteht daher in der maschinellen Erkennung neuer Qualitätsmerkmale, die Korrelation auf relevante Prozesseigenschaften mit entsprechenden Prozessstellgrößen und die angemessene Intensitätsanpassung dieser Stellgrößen über die Prozesssignale.
Dipl.-Ing. Michael Petzold
+49 721 608-31469
michael.petzold@kit.edu
Problemstellung
Methoden des maschinellen Lernens haben im Bereich der industriellen Bildverarbeitung zur Produktcharakterisierung signifikante Vorteile hinsichtlich Skalierbarkeit und Zuverlässigkeit eröffnet. In industriellen Anwendungen stehen den Vorteilen Herausforderungen, wie die mangelnde Rückvollziehbarkeit auf Prozesszusammenhänge und der Bedarf an Echtzeitdatenverarbeitung großer Datenmengen, gegenüber. In der Praxis behindern die Kosten der Datenaufnahme, fehlende Trainingsdaten und der Mangel an KI-Fachkräften mit Prozesskompetenz die Anwendung von KI-Methoden. Das Potenzial besteht in der Entwicklung eines „Mensch-KI-Hybrider“ Ansatzes. Dieser soll dazu gebracht werden, aus dem Erfahrungswissen der Akteure entlang der Wertschöpfungsprozesse zu lernen, um beispielsweise selbständig Produktmerkmale mit Prozesseigenschaften zu erkennen, zu verknüpfen und zu bewerten sowie Maßnahmen zur Regelung mit dem Zweck einer gesteigerten Ressourceneffizienz zu ermöglichen.
Ziel
Ziel ist die Entwicklung von skalierbaren KI-Cloud-Diensten, die durch einfaches „Plug-and-Play“ vom Prozesswissen der Akteure lernt, um eine bildgestützte Produktcharakterisierung, eine Kompensation von Qualitätsabweichungen und eine autonome Prozessanpassungen auf neue Produktmerkmale zu ermöglichen.
Vorgehensweise
Im Rahmen des FuE-Vorhabens wird das KIKA-IPK Verfahren entwickelt, das es ermöglicht, aus visuellen Produktmerkmalen auf Prozesskenngrößen, die kaum messbar sind, zurückzuschließen. Hierdurch ist es möglich, den Prozess gezielt so zu regeln, dass Qualitätsabweichungen während der Fertigung kompensiert und auf neue Produktmerkmale effizient angepasst werden. Dazu sind die Bild-, Prozess- und Material-Datenströme sowie das Nutzerfeedback während der Fertigung über die Schnittstelle des „KI-kognitionsunterstützenden Assistenzsystems“ (KIKA) zu analysieren und die Ergebnisse den Akteuren sowie der Maschinensteuerung in Echtzeit zu übermitteln. Die KI-Dienste werden in zwei Szenarien für die additive Fertigung, 3D Metalldrucken mit Stahl und den personalisierten Medikamentendruck integriert und das Ressourceneffizienzpotenzial in der industriellen Anwendung demonstriert.
Ergebnisse und Anwendungspotenzial
Nach Abschluss des Vorhabens werden die entwickelten KI-Dienste bis zur Produktreife gebracht und über die PSI-Cloud Kunden angeboten. Durch die hohe Skalierbakeit des gewählten Ansatzes können vor allem in der Kleinserienfertigung und individualsierten Massenfertigung neue Märkte mit der KIKA-IPK-Technologie erschlossen und so die Wettbewerbsfähigkeit bei den Produzenten nachhaltig gesteigert werden.
In der folgenden Liste sehen Sie Ihre ausgewählten Projekt-Favoriten.
Vorlesen