Intelligente Zustandsüberwachung in der Produktion

Die Qualitätssicherung und geringe Standzeiten sind in vielen Betrieben wichtige Faktoren für reibungslose Produktionsabläufe. Eine rechtzeitige Erkennung von Fehlern sowie Verschleißerscheinungen ermöglicht es, geeignete Gegenmaßnahmen wie Wartung oder Tausch einzuleiten und akute Ausfälle zu vermeiden.

Stand der Technik

Bei der Zustandsüberwachung in der Produktion sind Schallsensoren, manuelle Sichtprüfungen und die bildbasierte Qualitätsbeurteilung technischer Standard. Beim sog. maschinellen Sehen werden zur Beurteilung von Bilddaten vorab definierte Regeln in die Anwendung einprogrammiert. Auf Basis dessen erfolgt die Kategorisierung zwischen einwandfreiem und fehlerhaftem Produkt. Ändern sich die zu beurteilenden Objekte, ist eine Neuformulierung und Neuprogrammierung der Regeln notwendig. Eine dynamische Adaption an veränderte Gegebenheiten findet im klassischen maschinellen Sehen nicht statt.

Technologie

Am Institut für Produktionstechnik (wbk) haben Wissenschaftler ein System entwickelt, das vollautomatisierte, intelligente Bildauswertungen ermöglicht. Das System setzt sich aus einem Gehäuse mit Beleuchtungssystem, einer Kamera und der Software mit KI-Algorithmen zusammen. Das Modell zur intelligenten Auswertung der Bildaufnahmen ist ein auf den Methoden des Maschinellen Lernens basierendes Convolutional Neural Network (CNN). Es extrahiert aus den Bildern zunächst Bildmerkmale und klassifiziert anhand eines künstlichen neuronalen Netzes (KNN) Bilddaten mit und Bilddaten ohne Defekt (Pitting / No Pitting). Für die Anwendung werden die Modell-Hyper-Parameter maßgeschneidert angepasst und Bildzustände gelabelt. So kann der Algorithmus vollautomatisiert Zustandsüberwachungen durchführen.

Vorteile

Das intelligente Kamerasystem bietet eine effiziente Zustandsüberwachung, die mittels maschinellem Lernen auch für Prozessexperten herausfordernde Zustände klassifizieren kann. Stellt der Algorithmus eine Schädigung fest, so ermöglicht die bildbasierte Darstellung die einfache Beurteilung von Komponenten durch die Prozessexperten und ermöglicht so die einfache Nachkontrolle von gemeldeten Fehlerfällen. Ein Vorteil der Anwendung liegt zudem in dessen Flexibilität, da die KI-Methoden auch auf weitere Anwendungsgebiete übertragen werden können.

Optionen für Unternehmen

Im Anwendungsfall der Spindelüberwachung erreicht der Prototyp des Systems eine 90-prozentige Trefferquote. Das KIT sucht Industriepartner zur Implementierung und Weiterentwicklung des Systems. Die Forscher unterstützen darüber hinaus bei der strukturierten Implementierung von künstlicher Intelligenz in der Produktion.