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: ©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.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.