Künstliche Intelligenz in der Produktion

Auf der zweiten Konferenz 'AI for Laser Technology' wird am 28. und 29. September 2021 der aktuelle Stand bei der Anwendung von künstlicher Intelligenz in der Lasermaterialbearbeitung diskutiert. Zum Austausch treffen sich hier Forschende, Anlagenbauer, Softwareentwickler und Maschinenbauer. Neben den Fachvorträgen werden am Fraunhofer-Institut für Lasertechnik ILT die Labore für virtuelle Rundgänge geöffnet. Aufgrund der aktuellen Regelungen findet die Tagung online statt.
Durch maschinelles Lernen lassen sich komplexe Daten von verschiedenen Sensoren verstehen und zur Regelung nutzen.
Durch maschinelles Lernen lassen sich komplexe Daten von verschiedenen Sensoren verstehen und zur Regelung nutzen.Bild: Fraunhofer ILT

Bei der ersten Konferenz ‚AI for Laser Technology‘ vor zwei Jahren stand noch die Frage im Raum, wo künstliche Intelligenz (KI) in der Fertigung eingesetzt werden könne. Inzwischen ist die Entwicklung schnell vorangeschritten, viele Ideen sind in der Werkhalle angekommen. Dabei treffen verschiedene Trends aufeinander: Auf der Anwenderseite ist es z.B. der Wunsch nach 100-prozentiger Qualitätskontrolle. Wenn in der Automobilproduktion bislang Schweißnähte nur mit Stichproben kontrolliert wurden, dann eröffnet KI nun die Möglichkeit, die Qualität in-situ für jedes einzelne Teil mit hoher Präzision zu überwachen und mögliche Produktionsstörungen rasch zu identifizieren. Das setzt eine in-line Prozessdiagnostik voraus, die in den letzten Jahren entwickelt wurde. Es ist nun Aufgabe der KI, die dabei entstehenden Datenmengen in Echtzeit zu verarbeiten, was erst mit moderner Rechentechnik möglich wurde. „Auf der diesjährigen Konferenz ‚AI for Laser Technology‘ wollen wir genau diese Trends sowie den Stand der Technik anschauen und diskutieren“, beschreibt Peter Abels vom Fraunhofer ILT in Aachen das Ziel der von seinem Team organisierten Tagung.

Komplexe Daten erfassen und zur Regelung nutzen

Für den Einsatz von KI in der Fertigung gibt es verschiedene Möglichkeiten: Oft beginnt dieser mit der Auswertung von Bild- oder anderen Daten. Mit einem menschlichen ‚Lehrer‘ kann die KI auch in komplexen Daten Strukturen erkennen. Dadurch lassen sich Abweichungen von einem vorgegebenen Optimum früh erkennen. Eine Regelung der Prozesse wird möglich. Die höchste Stufe ist erreicht, wenn die Aufnahme und Verarbeitung von Daten mit der Regelung zu einem autonomen Prozess zusammengeführt werden.

Künstliche Intelligenz ermöglicht die Regelung von Fertigungsprozessen wie dem Laserlöten in Echtzeit.
Künstliche Intelligenz ermöglicht die Regelung von Fertigungsprozessen wie dem Laserlöten in Echtzeit.Bild: Fraunhofer-Institut ILT

Co-Organisator Christian Knaak vom Fraunhofer ILT wird das an einem konkreten Beispiel vorführen: „Wir konnten mit KI die Ergebnisse beim metallischen 3D-Druck signifikant verbessern.“ Dafür wurde in einer Anlage für das Laser Powder Bed Fusion (LPBF) Verfahren die Bauteiloberfläche in jeder Schicht mit einer hochauflösenden HDR-Kamera fotografiert. Mit den Bilddaten lassen sich zwei Effekte einfangen: Einerseits wird ein möglicher Verzug des Bauteils während des Prozesses messbar. Andererseits können die Rauheiten an der Oberfläche kontrolliert werden. Auf diese Weise lassen sich schon während der Herstellung Fehler klassifizieren. Mit Hilfe der KI können aber auch im Prozess gezielt Laserparameter geändert werden, um dynamisch auf Änderungen des Prozesszustandes zu reagieren. Die Qualität der Teile wird verbessert und Fehler werden verhindert, bevor sie entstehen.

Die Vorträge auf der diesjährigen Konferenz ‚AI for Laser Technology‘ fokussieren sich dementsprechend auf die Erfassung und Verarbeitung von Daten aus Produktionsprozessen wie dem Laserschweißen. Ein wesentliches Ziel ist dabei die durchgängige Prozess- und Qualitätskontrolle.

Einen zweiten Schwerpunkt bilden KI-basierte Regelprozesse. Darüber hinaus wird die Entwicklung der KI-Software in verschiedenen Anwendungen betrachtet. Die KI ermöglicht dabei nicht nur eine Optimierung von Produktionsprozessen in Richtung einer Null-Fehler-Produktion. Bei Prozessen mit vielen komplexen Daten wie beispielsweise der Entwicklung moderner Optiken, liefert sie zudem eine Komplexitätsreduktion. Entwicklungsprozesse werden dadurch klarer, determinierter und weniger von der Intuition einzelner Experten abhängig.

Fraunhofer-Institut ILT

Das könnte Sie auch Interessieren

Anzeige

Anzeige

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.

Anzeige

Anzeige

Anzeige