Benteler und das Fraunhofer IEM kooperieren für eine Qualitätsprüfung mit Künstlicher Intelligenz

Produktionsfehler: KI findet die Nadel im Heuhaufen

In der Qualitätsprüfung ist Zeit ein wichtiger Faktor: Wer Fehler rechtzeitig findet, kann sie effektiv und kostensparend beheben. Gemeinsam mit dem Fraunhofer IEM setzt der Automobilzulieferer Benteler dafür in der Warmumformung von Fahrzeugteilen auf Echtzeit-Sensordaten und Künstliche Intelligenz. Damit können Produktionsfehler schneller erkannt, behoben und zukünftig sogar vermieden werden.
Benteler und das Fraunhofer IEM entwickelten eine intelligente Anomalie-Erkennung für Strukturbauteile.
Benteler und das Fraunhofer IEM entwickelten eine intelligente Anomalie-Erkennung für Strukturbauteile.Bild: Benteler International AG

In der Warmumformung am Paderborner Produktionsstandort produziert Benteler beispielsweise Strukturbauteile für Fahrgastzellen. Dabei kann es in seltenen Fällen zu Mängeln der mechanischen Kennwerte oder in der Geometrie der Bauteile kommen. Um diese Fehler künftig schneller zu identifizieren, erarbeiteten der Automobilzulieferer und das Fraunhofer IEM eine intelligente Anomalie-Erkennung.

Dafür gleicht eine Künstliche Intelligenz Live-Sensordaten wie die Kühlwassertemperatur und -menge aus der Produktion mit Simulationsdaten ab und berücksichtigt zusätzliche Faktoren wie Umgebungsbedingungen und Produktionseinstellungen. Ebenfalls liefern Thermografiekameras kontinuierlich Informationen über die Wärmeverteilung in den Bauteilen. Auf dieser Basis leistet die KI Hilfe bei der Entscheidung, welche Produkte die Mitarbeitenden in eine zusätzliche Qualitätsprüfung geben sollten.

Die intelligente Anomalie-Erkennung in 4 Schritten

Sensorik erfasst Produktionsdaten

Abgleich von Sensor- und Simulationsdaten

Künstliche Intelligenz bewertet Produkt als normal oder anormal

Mitarbeitende entscheiden, ob das Produkt zusätzlich ins Prüflabor geschickt wird

„In unserer Forschung stellen wir heraus, welche Kennzeichen für das Aufdecken von Anomalien in der Produktion wichtig sind: Einfache Grenzwerte wie die Temperatur der Anlage reichen hier nicht aus. Entscheidend ist ein kombiniertes Auswerten verschiedener Faktoren. Die Anlagen-Temperatur steht beispielsweise in Abhängigkeit von der Umgebungstemperatur. Um diese Komplexität zu beherrschen, ist Künstliche Intelligenz genau das richtige Werkzeug“, erläutert Cederic Lenz, Wissenschaftler am Fraunhofer IEM.

Nutzen für Benteler

In der Qualitätsprüfung von Benteler wird täglich eine fest vorgeschriebene Anzahl von Qualitäts-Checks durchgeführt. Die nun prototypisch implementierte intelligente Anomalie-Erkennung gibt zuverlässig Hinweise auf wirklich fehlerhafte Produkte und macht das Qualitätsmanagement zielgerichteter und effizienter. Reklamationen werden so vermieden. „Der Einsatz Künstlicher Intelligenz automatisiert das sprichwörtliche Suchen nach der Nadel im Heuhaufen. Mit hoher Zuverlässigkeit schlägt sie Produkte zur Prüfung vor, die nachfolgend systematisch von unseren Mitarbeitenden geprüft werden“, erläutert Daniel Köchling, Manager bei Benteler.

„Im Rahmen des Projektes wurde eine prototypische Integration der entstandenen Algorithmen zur Prozessoptimierung und -vorhersage der Bauteilqualität in die ständige Überwachung der Fertigungsprozesse angestrebt. Die automatische Analyse der relevanten Produktionsparameter hilft uns, Unregelmäßigkeiten frühzeitig zu erkennen und darauf gezielt zu reagieren“, erläutert Philipp Steller, Plant Engineering Manager bei BENTELER Group.

Förderung im it’s OWL-Projekt ML4Pro2

Gefördert wurde die Zusammenarbeit von Benteler und Fraunhofer IEM von November 2018 bis März 2022 im Forschungsprojekt Maschinelles Lernen für die Produktion und deren Produkte (ML4Pro2) des Technologie-Netzwerks it’s OWL. Ziel des Projekts ist es, Unternehmen maschinelles Lernen für intelligente Produkte und Produktionsverfahren zugänglich zu machen.

Das könnte Sie auch Interessieren

Bild: Fraunhofer IGD
Bild: Fraunhofer IGD
Software Arrange beschleunigt Absortierprozesse

Software Arrange beschleunigt Absortierprozesse

In Kombination mit einer Augmented-Reality-Brille bietet eine neue Software des Fraunhofer IGD digitale Unterstützung von Absortiervorgängen. Zusammengehörige Bauteile werden direkt im Sichtfeld der Beschäftigten an der Produktionslinie farblich überlagert. Anwender im Automotive-Bereich können so etwa durch beschleunigte Prozesse und eine minimierte Fehleranfälligkeit Kosten reduzieren.

Bild: Coscom Computer GmbH
Bild: Coscom Computer GmbH
Software-Plattform für KI und maschinelles Lernen

Software-Plattform für KI und maschinelles Lernen

Vermehrt interessieren sich Unternehmen dafür, auf Basis ihrer Fertigungsinformationen Verbesserungspotenziale in der Produktionsplanung und -steuerung zu heben. Maschinelles Lernen und künstliche Intelligenz (KI) kann aber nur dann wirtschaftlich sinnvoll eingesetzt werden, wenn alle relevanten Daten im Zugriff sind und deren Struktur zu den Anwendungen passen. Das Coscom-ECO-System soll eine Plattformökonomie als Basis für Business Intelligence (BI) bieten.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.