Die Veränderung von Produktionsumgebungen in der Industrie 4.0 ermöglicht, dass Prozesse künftig einfacher, verlässlicher und synergetisch analysiert werden können. »Die Referenten aus Industrie und Wissenschaft zeigten bei der ›AI for Laser Technology Conference‹, dass sich mit Verfahren der Künstlichen Intelligenz aus gewonnenen Daten eineindeutige Aussagen treffen und Produktionsprozesse damit optimieren lassen«, sagt Peter Abels, Gruppenleiter Prozesssensorik und Systemtechnik am Fraunhofer ILT, rückblickend.
Mit 70 Teilnehmern aus Deutschland und Österreich war die Konferenz ausgebucht. Das Themenspektrum der Vorträge umfasste u. a. die Bereiche Machine Learning, Augmented Reality und die Datenanalyse mit Neuronalen Netzen.
Künstliche Intelligenz für die datengetriebene Produktion
Ideen zur Nutzung von Künstlicher Intelligenz (KI; engl.: Artificial Intelligence, AI) und Einblicke zu bereits umgesetzten KI-Verfahren präsentierten die Unternehmen Microsoft Intelligent Cloud, Intel Deutschland, Daimler, plasmo Industrietechnik, Beckhoff Automation, 4D, Scansonic MI, oculavis und HotSprings.
Als Einsatzgebiete stellten die Experten beispielsweise Zustandsanalysen von Produktionswerkzeugen, echtzeitfähige Maschinensteuerungen sowie die Fehlererkennung und Kausalitätsanalyse innerhalb von Fertigungsprozessen vor. Etwa beim Laserschweißen im Automobilbau oder beim Mikrofügen in der Batterietechnik lassen sich bereits heute erzeugte Schweißnähte mit bildbasierten Überwachungssystemen in Echtzeit analysieren und mit angepassten Algorithmen zuverlässig klassifizieren. Methoden der virtuellen und der erweiterten Realität (Virtual Reality, VR und Augmented Reality, AR) eröffnen zusätzlich neue Möglichkeiten z. B. bei der Simulation von Fertigungsprozessen oder beim Support per Remotesteuerung.
Wissenschaftler des Lehr- und Forschungsgebiets für Nichtlineare Dynamik der Laser-Fertigungsverfahren NLD der RWTH Aachen University und des Fraunhofer ILT gaben einen Überblick über die Grundlagen, die für entsprechende Technologie-Umsetzungen nötig sind. Zudem stellten die Aachener Fraunhofer-Institute IPT, IME und ILT das »ICNAP – International Center for Networked, Adaptive Production« vor. Zusammen mit Produktionsunternehmen und Technologie-Enablern verknüpfen die Forscher auf dieser Plattform KI-Verfahren mit den Themen Smart Manufacturing, Internet of Things und Big Data.
Die Qualität von Daten und Kommunikation ist essentiell
Ein in der Praxis oft unterschätzter Aspekt ist die Datenqualität, wie etwa Stephan Schwarz von Daimler unterstrich. Beim Zusammenbringen von Daten aus unterschiedlichen Quellen z. B. aus Laseranlagen, Fertigungsmaschinen oder Kamera-Überwachungssystemen ist es entscheidend, dass die Daten vor der tiefgreifenden Analyse sorgfältig aufbereitet und bereinigt werden. Für zunehmend vielschichtigere Informationssysteme sind beschleunigte Hardware- und Software-Architekturen nötig, für die Stephan Gillich von Intel Deutschland neue Konzepte vorstellte.
Der Dialog von Daten- und Prozessexperten sei essentiell für den erfolgreichen Einsatz von KI in der Praxis, betonten mehrere Referenten. Dr. Benjamin Kreck von Microsoft Intelligent Cloud hob im Keynote-Vortrag zudem hervor, dass neben den zur Verfügung stehenden technischen Möglichkeiten insbesondere die Adaptions- und Kultur-Transformations-Fähigkeit von Unternehmen ausschlaggebend sei.
Labortour: Lasermaterialbearbeitung mit Daten optimieren
Bei der Materialbearbeitung mit ultrakurzen Laserpulsen (UKP) lassen sich durch umfassende Datenakquise und -synchronisation passende Voraussetzungen für Big-Data-Analysen schaffen, wie die Wissenschaftler am Fraunhofer ILT bei einer Laborführung zeigten. Interessenten konnten eine Live-Vorführung dieser Datenerfassung während einer kombinierten ns- und fs-Puls-Bearbeitung inklusive einer Echtzeit-Dashboard-Anzeige direkt aus der Cloud mitverfolgen.
Als weiteres Anwendungsbeispiel präsentierten die Aachener Forscher das Tapelegen von faserverstärktem Kunststoff mit Laserschweißung, das sich dank Machine Learning optimieren lässt. Zuvor eingebrachte Prägungen im Tape werden dabei während des Laserprozesses durch eine Thermographie-Prozessüberwachung vermessen. Ein passender Algorithmus analysiert und klassifiziert die erzeugten Schweißungen direkt während der Bearbeitung, sodass der Prozess unmittelbar angepasst werden kann.
Für das nächste Jahr ist eine zweite Auflage der »AI for Laser Technology Conference« geplant, die am 4. und 5. November 2020 wieder in Aachen stattfinden wird.
Fraunhofer-Institut für Lasertechnik ILT
