KI zur Entscheidungsunterstützung bei der Parametrierung von Produktionsprozessen von komplexen kundenindividuellen Spezialprodukten mit kleinen Serien (MetaLearn)

Problemstellung
Die Herausforderungen für die Produktion kundenspezifischer Produkte sind groß, insbesondere für qualitativ hochwertige Produkte. Hinsichtlich der Einhaltung von Qualitätsparametern besteht die Schwierigkeit darin, dass viele Faktoren Einfluss auf die Qualität haben. So beeinflussen sowohl die Bauteile und deren Beschaffenheit (geometrische Maße und Abweichungen, Legierungen, Fehler wie bspw. Lunker in Gussteilen, etc.) als auch die Parametereinstellungen der Produktionsmaschinen die Qualität des Endprodukts. Auch die Kombination verschiedener Faktoren können zu Qualitätsmängeln führen, obwohl ein Faktor alleine unkritisch wäre. Die Stückzahlen bei Spezialprodukten sind in der Regel klein, während die Kombinationsmöglichkeiten der Faktoren einen großen Parameterraum bilden. Zudem ist die spezifische Auslegung der Produktion aufwändig. Die Minimierung von Rüstzeiten für eine maximale Maschinenauslastung und die Vermeidung von Qualitätsmängeln sind entscheidende Stellschrauben bei Produktionskosten und Durchlaufzeit, da die Qualitätsmängelbeseitigung nach Fertigstellung des Produkts in der Regel sehr hoch ist. Die Herausforderung für die Unternehmen liegt in der Komplexität des Produktionsprozesses, die von vielen Faktoren beeinflusst wird und deren Wirkzusammenhänge bislang häufig nur unvollständig verstanden sind.

Projektziele
Das Forschungsprojekt MetaLearn zielt darauf ab die Erhöhung der Produktqualität und die Verkürzung von Anlauf- wie auch Rüstzeiten durch eine Empfehlung der Maschinenparameter und Bauteilkombination bei Produktionsprozessen mit niedriger Stückzahl durch Identifikation, Entwicklung und Anwendung geeigneter KI-Algorithmen zu erforschen.

Vorgehensweise
Dazu werden Analogien zwischen zwei Anwendungsfällen in verschiedenen Sektoren (Spezialwerkzeug- und Getriebeproduktion) bei den beteiligten Unternehmen untersucht. Obwohl es sich um verschiedene Sektoren und damit verbundene Herausforderungen in der Produktion handelt, lassen sich die Probleme in vergleichbare Grundmuster abstrahieren und damit mit ähnlichen KI-Algorithmen bearbeiten. Des Weiteren werden die technologische Akzeptanz und Praktikabilität des Verfahrens im produktiven und unternehmerischen Umfeld erprobt sowie die Zeit- und Kostenvorteile durch KI untersucht. Der Schwerpunkt des Projekts ist die Entwicklung von dateneffizienten KI-Algorithmen, der Anwendung dieser zur Prognose der optimalen Produktionsparameter sowie eine sinnvolle Modellrepräsentation der 3D Produktgeometrie für die KI-Algorithmen. Eine Generalisierung und Verbreitung der Erkenntnisse findet in Form eines Open Source Softwarepakets in Python und Anleitungen dazu statt, die von anderen Produktionsunternehmen direkt eingesetzt werden können.

Ergebnisse und Anwendungspotenzial
Es werden Fallstudien zu Schulungszwecken und für die akademische Lehre erstellt. Die wissenschaftlichen Erkenntnisse sollen durch Präsentation auf einschlägigen Konferenzen und durch die Publikation in wissenschaftlichen Journalen der Fachwelt verfügbar gemacht werden.
Die Übertragbarkeit in andere Branchen ist stark ausgeprägt, da es sich um eine generelle Herausforderung in der Fertigung hochspezialisierter kundenindividueller Produkte handelt, die typischerweise nur in kleiner Stückzahl hergestellt werden. Viele mittelständische europäische Unternehmen mit hochspezialisierter Produktion können von den im Softwarepaket bereitgestellten Methoden profitieren. Daher besteht ein hohes Interesse an den Ergebnissen zur Verwendung im deutschen und europäischen Fertigungsgewerbe.

• FZI Forschungszentrum Informatik
• Hartmetall-Werkzeugfabrik Paul Horn GmbH
• Hochschule Reutlingen
• J.M. Voith SE & Co. KG
• Maddox Al GmbH