Fraunhofer-Institut für Produktionstechnologie IPTForschungsprojekt »Blockchain4DMP«
Erhebliches Wertschöpfungspotenzial durch datenbasierte Anwendungen
Die Vernetzung von Geräten, Maschinen und Anlagen im Sinne des Industrial Internet of Things (IIoT) verspricht enorme Wertschöpfungspotenziale für die Produktion. Mit datengestützten Anwendungen können produzierende Unternehmen ihre Prozesse und Produkte optimieren und die Kosten deutlich senken:
Predictive Quality und Predictive Maintenance sind intelligente, auf künstlicher Intelligenz (AI) basierende Fertigungslösungen zur automatisierten Überwachung von Produktionsprozessen. Mit diesen Anwendungen können Unternehmen Produktfehler frühzeitig prognostizieren und beseitigen, um Produktivitätsverluste zu vermeiden und die Produktqualität zu erhöhen. Der Verschleiß kritischer Maschinenkomponenten lässt sich vorhersagen, so dass Hersteller gezielte Wartungsarbeiten durchführen und Ausfallzeiten minimieren können.
Durch die Entwicklung datengestützter Optimierungs- und Wartungsdienste können Unternehmen ihre Geschäftsmodelle innovieren und zusätzliche Einnahmequellen erschließen.
Herausforderungen der Digitalisierung
Damit die Digitalisierung der Produktion jedoch gelingen kann, brauchen Unternehmen umfassende Expertise in digitalen Technologien und Zugang zu hochwertigen, vielfältigen Daten. Denn für das Training leistungsfähiger KI-Modelle ist eine Vielzahl an Daten aus verschiedenen Quellen erforderlich, die den meisten Unternehmen nicht zur Verfügung steht. Zudem fehlt es in den Betrieben an IT-Fachkräften, die in der Lage sind, diese Daten effizient zu integrieren und digitale Anwendungen zu entwickeln.
Datenpotenziale ausschöpfen: Effizientere und nachhaltigere Produktion dank IIoT-Daten- und Serviceplattform
Im Forschungsprojekt »Blockchain4DMP« entwickeln wir mit unseren Partnern einen Blockchain-basierten Daten- und Servicemarktplatz, der historische Produktions-, Qualitäts- und Nutzungsdaten aus verschiedenen Fertigungsprozessen und ganzen Prozessketten zusammenführt und Datenwissenschaftlern und Branchenexperten direkt zur Verfügung stellt. Die sichere Kopplung mit der Blockchain gewährleistet für eine lückenlose Verfügbarkeit von IIoT-Daten zur Analyse und erleichtert letztlich die Datenintegration für digitale Dienstleistungsangebote auf der Plattform.
Die Daten unterstützen die Entwicklung von KI-Algorithmen, zum Beispiel zur Vorhersage von Werkzeugverschleiß und Bauteilqualität, und helfen Unternehmen, Optimierungspotenziale zu erkennen und die Effizienz und Nachhaltigkeit ihrer Produktionsprozesse zu verbessern. Wir am Fraunhofer IPT arbeiten eng mit Partnern zusammen, um spezifische Anwendungsfälle zu implementieren, darunter Lösungen für vorausschauende Wartung und vorausschauende Qualität sowie Modelle für Smart-City-Anwendungen.
Anwendungsfall Predictive Quality: KI-Optimierung beim Fräsen von Triebwerkskomponenten
Unser KI-Modell zur Vorhersage der Produktqualität ist auf spezifische Fräsdaten zugeschnitten und steigert die Effizienz für ein breites Spektrum von Anwendern. Wir setzen die Technologie des Digitalen Zwillings und physikalische Modellierung ein, um die Dynamik von Werkstücken während der Bearbeitung vorherzusagen, Fräsprozesse zu stabilisieren und die Qualität von dünnwandigen Triebwerksteilen zu optimieren. Dazu wird die sich ändernde Dicke und damit die Steifigkeit dünnwandiger Werkstücke simuliert und berücksichtigt.
Diese Anwendung zielt darauf ab, unerwünschte Oberflächenmerkmale – sogenannte Rattermarken – zu reduzieren, die durch selbsterregte Schwingungen in Zerspanungssystemen verursacht werden. Diese können während der Werkstückbearbeitung auftreten und sowohl die Effizienz als auch die Qualität der Produktion beeinträchtigen.
Durch die Messung von Profilabweichungen und der Oberflächenrauheit stellen wir einen Zusammenhang her zwischen Vibrationen und der Genauigkeit der gefertigten Bauteile. Auf dieser Grundlage entwickeln wir einen KI-Algorithmus zur Erkennung von Schwingungen. Damit können Hersteller Prozessparameter anpassen, etwa die Spindeldrehzahl ändern oder die Schnitttiefe verringern, und so den Bearbeitungsprozess stabilisieren und die Oberflächenqualität verbessern.
Letztendlich werden Benutzer durch die Plattform befähigt, Daten einzureichen, Modelle für ihre Fertigungsprozesse zu erstellen und Qualitätsprognosen durchzuführen, wodurch ein Echtzeit-Zugriff auf Erkenntnisse aus Fräsvorgängen gewährleistet wird.
Projektpartner
- dataMatters GmbH, Köln
- Fraunhofer-Institut für Produktionstechnologie IPT, Aachen
- gemineers GmbH, Aachen
- Lehrstuhl für Informationssysteme und Datenbanken an der RWTH Aachen
- Institut für Produktionstechnik – MTI an der RWTH Aachen
- Stadtmarketing- und Wirtschaftsförderungsgesellschaft Dormagen mbH
Hinweis zur Förderung
Das Projekt »Blockchain4DMP« wird vom Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie (MWIKE) des Landes Nordrhein-Westfalen im Rahmen des Förderprogramms »STARK – Stärkung der Transformationsdynamik und des Ausstiegs in den Bergbaugebieten und an den Kohlekraftwerksstandorten« gefördert.
Förderkennzeichen: 46SK0233B
Projektträger
Deutsches Zentrum für Luft- und Raumfahrt (DLR)