Digitaler Prozess-Onlineoptimierer für intelligente Lasermaschinen (DIPOOL)

Problemstellung
Produktionstechnik hat den zunehmend volatilen Bedarf nach variierenden Produkten (Werkstoff, Design, Funktion) bei höchstmöglicher Wirtschaftlichkeit und Flexibilität zu erfüllen. Lasermaschinen aus dem Bereich der additiven Fertigung sind dafür prädestiniert, wenn sie für einen wirtschaftlichen Betrieb entsprechend digitalisiert und automatisiert werden. Kritische Systemzustände gilt es zu vermeiden, um Ausschuss und Leerlaufzeiten zu minimieren. Der Lösungsansatz von DIPOOL zur Gewinnung von Autonomie und Agilität besteht in der Kombination der zeitlichen und räumlichen Programmier- und Kontrollierbarkeit von Laserwerkzeugen mit geeigneten Methoden maschinellen Lernens (ML). Somit wird eine Online-Optimierung des Fertigungsprozesses realisiert.

Ziel
Konkretes Ziel ist die automatische und robuste Überwachung, Qualitätssicherung und Optimierung von Lasermaschinen bei wechselnden Fertigungsaufgaben am Beispiel der beiden weltweit umsatzstärksten Laserfertigungsverfahren, dem Schneiden und Schweißen. Die Ergebnisse werden anhand zweier Demonstratoren umgesetzt. Dazu wird eine Anlage zum Laserstrahl-Hochgeschwindigkeitsschneiden von Formplatinen aufgebaut und evaluiert. Es sollen die neuen, intelligenten ML-gestützten Algorithmen genutzt werden, um in Echtzeit den aktuellen Prozesszustand zu identifizieren, bei Zustandsabweichungen die Prozessparameter automatisiert anzupassen und damit in geschlossenen Regelschleifen die geforderte Schnittqualität und Produktivität sicherzustellen. Außerdem wird in einer Laserroboterzelle das 3D-Schweißen mit der digitalen Optimierungstechnik demonstriert.

Vorgehensweise
Nach einer Anforderungsanalyse besteht der erste Entwicklungsschritt darin, dem Bearbeitungsprozess „minimalinvasive“ Lasermodulationsmuster aufzuprägen. In Reaktion darauf sendet der Prozess kontinuierlich besonders charakteristische, zustandsabhängige Signale zurück. Die Verfügbarkeit derartiger Antwortsignale und ihre Fusion mit weiteren Sensordaten der Maschine sowie deren Analyse ermöglicht ein hocheffizientes Trainieren der zu entwickelnden ML-Algorithmen und zuverlässige Entscheidungen des KI-Systems. Die Demonstratoranlagen werden dazu mit einer zu erarbeitenden multispektralen Sensorik ausgestattet, welche den mit ML verwertbaren Informationsgehalt der Prozesssignale zusätzlich steigern.

Ergebnisse und Anwendungspotenzial
Die in DIPOOL geplanten Innovationen werden die Gesamtproduktivität von Laseranlagen, insbesondere für das Schneiden und Schweißen von Blechwerkstoffen im Fahrzeugbau, in der Bauwirtschaft, der Konsumgüterindustrie und im Maschinen- und Anlagenbau selbst um ca. 25 Prozent erhöhen. Von Weiterentwicklungen werden zudem additive und mikrotechnische Laseranwendungen profitieren. Inbetriebnahme-, Anlauf- und Einrichtzeiten können verkürzt werden oder entfallen ganz. Damit verbessert sich die Sicherheit, Stabilität und Zuverlässigkeit der Lasermaschinen. Es erhöhen sich die Produktqualität und die Ressourceneffizienz – ökonomisch und ökologisch ein echter Gewinn.

• 4D Ingenieurgesellschaft für Technische Dienstleistungen mbH
• Automatic-Systeme Roland Dreher GmbH
• Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung eingetragener Verein
• Karlsruher Institut für Technologie (Universitätsaufgabe)
• LASER Bearbeitungs- und Beratungszentrum NRW GmbH
• Marx Automation GmbH
• Precitec GmbH & Co. KG