Produktionsmaschinen werden stark beansprucht und laufen bei optimaler Auslastung rund um die Uhr. Die produzierende Industrie kann sich weder Maschinenstillstände noch hohe Ausschussraten erlauben, wenn sie auf dem internationalen Markt wettbewerbsfähig bleiben will. Häufig laufen die Prozesse mit hohen Bearbeitungsgeschwindigkeiten und geringen Fertigungstoleranzen. Um eine effiziente Fertigung mit hoher Produktqualität zu erzielen, müssen Prozess- und Maschinenzustände kontinuierlich überwacht werden. Diese Prozessüberwachung geschieht mithilfe von Sensoren, die zur maximalen Informationsgewinnung in der Nähe des Fertigungsprozesses platziert sein müssen. Konventionelle Sensorsysteme sind jedoch meist kabelgebunden und eignen sich nicht für Maschinenprozesse mit komplexen Bewegungsabläufen. Zudem muss die Überwachung der Produktionsprozesse anhand von Echtzeitdaten erfolgen, um auf Abweichungen im Prozess rechtzeitig reagieren zu können. Im Forschungsprojekt »WiMuSens« entwickelt das Fraunhofer IPT mit seinen Forschungspartnern eine drahtlose Sensorplattform, die Echtzeit-Signaldaten mit hoher Geschwindigkeit überträgt, mittels künstlicher Intelligenz auswertet und die Maschinensteuerung autonom optimiert.
Die Qualität des Fertigungsvorgangs wird durch verschiedene Prozessparameter wie Spindeldrehzahl und Vorschub bestimmt. So kann Verschleiß dazu führen, dass die Maschinen- und Prozessparameter nicht mehr optimal zum Fertigungsprozess passen und die Produktionsqualität sinkt. Im Forschungsprojekt »WiMuSens« arbeitete das Fraunhofer IPT deshalb an einem drahtlosen Multi-Sensorsystem, das anhand von Sensoren mit unterschiedlichen Frequenzbändern Qualitätsveränderungen im Infra- und Ultraschallbereich detektieren kann. Neue Technologien wie 5G oder Bluethooth 5 ermöglichen es selbst multidimensionale Datensätze schnell zu übertragen und anhand passender Algorithmen auszuwerten. Nach einer Datenvorverarbeitung, in der relevante Informationen herausgefiltert werden, erfolgt eine Komprimierung des Datensatzes, sodass sich die Datenmenge bei gleichbleibendem Informationsgehalt reduziert. Für die schnelle Auswertung der Maschinendaten nutzte das Fraunhofer IPT im Projekt analytische und stochastische Modelle. Selbstlernende Algorithmen aus dem Bereich der Künstlichen Intelligenz dienten dazu, alle relevanten Prozessinformationen zu erfassen und der Maschinensteuerung in Echtzeit bereitzustellen.
Die Aufgabe des Fraunhofer IPT im Projekt »WiMuSens« war die Entwicklung von Softwarekomponenten zur Datenvorverarbeitung, Prozessüberwachung sowie Prozessoptimierung auf Basis Künstlicher Intelligenz. Darüber hinaus oblag dem Fraunhofer IPT die Maschinenanbindung an die Sensorplattform und die Validierung des Prozesses. Die drahtlose Sensorplattform kann durch den Einsatz von Hard- und Softwarenmodulen individuell konfiguriert werden und bietet dadurch enormes Potenzial für die stabile Prozessführung –und überwachung von Produktionsmaschinen.
Dieses Projekt wurde durch BMBF gefördert.
Förderkennzeichen: 16ME0084K