AI-SLAM steht für das deutsch-kanadische Projekt ‚Artificial Intelligence Enhancement of Process Sensing for Adaptive Laser Additive Manufacturing‘. Im Zuge des Projektes soll die KI das Laserauftragschweißen (Laser Material Deposition, LMD) auf ein neues Niveau heben. Die KI-Software soll in Echtzeit automatisch Geometrien während des Beschichtens erfassen, Abweichungen der Prozessparameter regulieren und iterativ den Prozess durch Analyse umfangreicher Datenmengen verbessern.
Die Idee stammt von Amit Varma, Mitgründer und Geschäftsführer der Braintoy aus Calgary in Kanada, der als Zielgruppe primär die kanadische Bergbauindustrie sieht. Diese steht nämlich vor einem Dilemma: Jährlich gilt es, Millionen von Verschleißteilen wie Steinbrecherzähne, Bohrkronen oder Reißzähne zu reparieren und neu zu beschichten. Bewährt hat sich dabei zwar das Laserauftragschweißen, doch dafür benötigen die Unternehmen erfahrene Maschinenbedienende. Dazu zählt etwa die Apollo Machine and Welding aus Alberta in Kanada, die als typischer Anwender an dem 2022 gestarteten Projekt teilnimmt. „Für derartige Job-Shops ist es unmöglich, viele erfahrene Laserbearbeiter einzustellen“, erklärt Varma. „Wir wollen nun mit KI die Aufgaben des Bedienungspersonals vereinfachen.“
Null-Fehler-Produktion: Jedes Bauteil perfekt Laserbeschichten
Zum Einsatz kommt als Basissoftware OpenARMS (Open Adaptive Repair and Manufacturing Software) von dem Unternehmen BCT Steuerungs- und DV-Systeme, die speziell für die Anpassung der Bearbeitungspfade in Herstellungsprozessen konzipiert wurde. Sie arbeitet mit der Web-Plattform mIOS von Braintoy, laut Varma eine Technologie, die jeden Datentyp erfassen und in derselben Pipeline ausführen kann: „Die KI empfiehlt zunächst die Parameter, die der Maschinenführer einstellen muss. Dann passt sie diese Parameter sekundengenau an, damit die Beschichtung jedes Mal perfekt ausfällt.“ Künstliche Intelligenz (KI) verspricht die Revolution der Fertigung, doch in der Praxis scheitern viele Projekte an einer unzureichenden Datenbasis. Warum Sie erst Ordnung schaffen müssen, bevor Sie Künstliche Intelligenz erfolgreich nutzen können. ‣ weiterlesen
Ohne Datenordnung keine Effizienz: Wie Sie Ihre Produktion KI-ready machen
Eine wichtige Rolle spielt in dem Projekt das Fraunhofer ILT, das vorwiegend sein langjähriges Knowhow beim Laserbeschichten mit dem LMD-Verfahren einsetzt. Projektleiter Max Zimmermann: „Wir qualifizieren die LMD-Prozesse, um sagen zu können, ob es eine gute oder eine schlechte Beschichtung ist. Die Hauptaufgabe besteht darin, unser Know-how zu visualisieren und zu digitalisieren.“ Dazu lassen die Forschenden aus Aachen LMD-Prozesse laufen und die Daten in einer Form erfassen, die eine KI lesen und verarbeiten kann.
Echtzeit-Prozess: Ausschuss mit KI vermeiden
Mit diesen richtig erfassten Daten steht und fällt der Machine-Learning-Prozess. Nur mit ihnen kann AI-SLAM Fehler während der Beschichtung vermeiden: Die KI klassifiziert im Idealfall alle Fehler in Echtzeit und sagt dem Bedienenden, was zu tun ist. Varma: „Die Maschine bekommt also ein Gehirn, das erklärt, wie sich Fehler vermeiden lassen!“ Die ersten Modelle sind bereits im Einsatz; aktuell läuft die Integration weiterer Sensoren und die Entwicklung einer ÄEmpfehlungsmaschine‘ für Anwender. Sie soll ähnlich wie die Streaming-Plattform Netflix arbeiten, die ihren Kunden Filme empfiehlt, die ihnen gefallen könnten. Bis zum Projektende im März 2025 ist ein Echtzeitprozess geplant, der optimale Parameter für die Fehlerkorrektur empfiehlt und jedem Anwender ermöglicht, Fehler präventiv zu vermeiden.
Aber auch auf die Laserbeschichtung wird sich das Projekt auswirken, ist sich Zimmermann sicher: „Das Projekt rationalisiert den LMD-Prozess, indem es ihn von der Werkzeugbahnplanung bis zur Ausführung automatisiert. Man scannt die Oberfläche, stellt die Parameter ein und startet einfach den Prozess. Diese Effizienzverbesserung ist sowohl für erfahrene als auch für neue Anwender wichtig, weil die Optimierung die Einstiegshürden in die LMD-Technologie senkt.“
