Modu­lar opti­mier­te Produktionsprozesse

Schnel­ler, genau­er, fle­xi­bler – in der Pro­duk­ti­on gilt es, sämt­li­ches Opti­mie­rungs­po­ten­zi­al aus­zu­schöp­fen. For­schen­de des Fraun­ho­fer-Insti­tuts für Werk­stoff- und Strahl­tech­nik IWS haben hier­für SUR­Fin­pro ent­wi­ckelt, eine Lösung, die mit Hil­fe Künst­li­cher Intel­li­genz und opti­scher Mess­tech­nik in Pro­zess-Echt­zeit Feh­ler detek­tiert, klas­si­fi­ziert, visua­li­siert und an die pro­du­zie­ren­de Anla­ge meldet.

Ultra-leicht, ultra-dünn, beson­ders zuver­läs­sig – und trotz­dem schnell pro­du­ziert. Dr. Chris­to­pher Taudt, Grup­pen­lei­ter Ober­flä­chen­mess­tech­nik im Zwi­ckau­er Fraun­ho­fer- Anwen­dungs­zen­trum für Opti­sche Mess­tech­nik und Ober­flä­chen­tech­no­lo­gien (AZOM) des Fraun­ho­fer IWS und sein Team haben ein Sys­tem ent­wi­ckelt, das Ober­flä­chen­feh­ler, Arte­fak­te und Tex­tur­än­de­run­gen detek­tiert und unter­stützt von Künst­li­cher Intel­li­genz auswertet.

Das Ver­fah­ren ist in der Lage, Ober­flä­chen schnell in hoher Auf­lö­sung drei­di­men­sio­nal zu erfas­sen und aus die­sen Mess­da­ten wei­ter­füh­ren­de Infor­ma­tio­nen in-line zur lau­fen­den Pro­duk­ti­on zu gene­rie­ren. »Feh­ler wer­den nicht nur als sol­che erkannt. Das Sys­tem klas­si­fi­ziert sie zugleich und schafft somit direkt einen wei­ter­füh­ren­den Kon­text. Unse­re Kun­den erhal­ten Infor­ma­tio­nen über die Art des Feh­lers und zahl­rei­che wei­te­re Para­me­ter wie unter ande­rem die Defekt­dich­te, die geo­me­tri­schen Abmes­sun­gen des Feh­lers oder die Feh­ler­häu­fig­keit«, prä­zi­siert Taudt. »Das stellt einen erheb­li­chen Mehr­wert gegen­über her­kömm­li­chen Sys­te­men dar.«

Das Mess­sys­tem ist seit über einem Jahr erfolg­reich in der Anwen­dung und ana­ly­siert auf einer Brei­te von 70 Zen­ti­me­tern ein Rol­le-zu-Rol­le-Ver­fah­ren. Um wei­te­res Opti­mie­rungs­po­ten­zi­al zu heben, trai­nie­ren Chris­to­pher Taudt und sein Team SUR­Fin­pro bei lau­fen­der Pro­duk­ti­on, hier­bei arbei­ten sie mit einem Feh­ler­ka­ta­log. Mit den gemel­de­ten Feh­lern spei­sen sie ein neu­ro­na­les Netz und prä­zi­sie­ren so die Detek­ti­on von Ano­ma­lien. Die For­schen­den über­prü­fen anhand der Mess­in­for­ma­tio­nen etwa, ob es sich um neue Defek­te han­delt oder ob sich die Feh­ler ver­än­dern. Das Sys­tem muss ent­spre­chend dyna­misch reagie­ren. »Wir arbei­ten einer­seits dar­an, bes­se­re neu­ro­na­le Net­ze zu ent­wi­ckeln, die mit weni­ger Daten aus­kom­men«, erläu­tert der Wis­sen­schaft­ler, »dar­über hin­aus ent­wi­ckeln wir neue Trai­nings­stra­te­gien im lau­fen­den Betrieb.«

Die Exper­tin­nen und Exper­ten des Fraun­ho­fer AZOM adap­tie­ren ihre Tech­no­lo­gie aktu­ell für zusätz­li­che Anwen­dungs­fel­der, etwa kon­ti­nu­ier­li­che Fer­ti­gungs­ver­fah­ren von Faser­ver­bund­werk­stof­fen. »Auf die­sem Gebiet geht es unse­ren Part­nern nicht nur um das Ver­mei­den ober­flä­chen­na­her Feh­ler – es geht auch um mehr­di­men­sio­na­les Erken­nen und die Beur­tei­lung von Bau­tei­len«, ver­deut­licht Taudt. Eine wei­te­re Ziel­grup­pe, die Zugang zu den Algo­rith­men und dem Sys­tem zur Feh­ler­klas­si­fi­ka­ti­on erhal­ten soll, ist die Halb­lei­ter­indus­trie, zum Bei­spiel für die Pro­duk­ti­on von fle­xi­blem Halbleitermaterial.

Der­zeit kom­men bei der Lösung des Fraun­ho­fer AZOM maxi­mal vier Kame­ras zum Ein­satz. In einem wei­te­ren Schritt möch­ten die For­schen­den sie nun um wei­te­re Kame­ra­sys­te­me ergän­zen. Das ist ver­fah­rens­un­ab­hän­gig inter­es­sant – ob für Faser­ver­bund­werk­stof­fe mit sehr gro­ßen Bau­tei­len oder bei klas­si­schen Rol­le-zu-Rol­le-Ver­fah­ren, etwa in der Photovoltaik-Industrie.

Ein wei­te­rer Ansatz­punkt der Wis­sen­schaft­le­rin­nen und Wis­sen­schaft­ler ist die Geschwin­dig­keit der Lösung. Gera­de hin­sicht­lich faser­ver­stärk­ter Kunst­stof­fe, aber auch in der Tex­til­ver­ar­bei­tung sind beson­ders hohe Takt­zei­ten gefor­dert. »Geschwin­dig­keits­stei­ge­rung ist in die­sem Kon­text ein wich­ti­ges The­ma und wir haben das Know-how, um die­sen Anfor­de­run­gen zu ent­spre­chen. Bei unse­rer Lösung nut­zen wir Tech­ni­ken des maschi­nel­len Ler­nens und der Künst­li­chen Intel­li­genz zum einen für die Aus­wer­tung, aber auch zur Beschleu­ni­gung von Aus­wer­te­schrit­ten«, erläu­tert der Grup­pen­lei­ter und prä­zi­siert: »Eine ent­spre­chen­de Mess­aus­wer­tung besteht aus einer über­schau­ba­ren Anzahl ein­zel­ner Schrit­te, bei denen Daten gefil­tert und redu­ziert wer­den. Hier ent­wi­ckeln wir kon­ti­nu­ier­lich neue Tech­no­lo­gien, um noch schnel­ler zu wer­den und zum Bei­spiel aus weni­ger Daten den­sel­ben Infor­ma­ti­ons­ge­halt extra­hie­ren zu können.«

Einen zen­tra­len Aspekt sei­ner Lösung sieht der Wis­sen­schaft­ler in deren Modu­la­ri­tät. Denn dank eines aus­ge­klü­gel­ten Bau­kas­ten­prin­zips mit erprobt-effi­zi­en­ten Kom­po­nen­ten ist SUR­Fin­pro breit ein­setz­bar und leicht zu adap­tie­ren: »Eine Viel­zahl der Tech­no­lo­gien, die wir in unse­rem Sys­tem ein­set­zen, wur­de als ein­zel­ne Bau­stei­ne so ent­wi­ckelt, so dass sie sich in ver­schie­de­nen Kon­tex­ten und Pro­jek­ten effek­tiv ein­brin­gen lassen.«