Industrielles Reinforcement Learning zur Qualitätsregelung von Massivumformprozessen (IRLeQuM)

Problemlage
Instabilitäten in Massivumformprozessen von Bauteilen führen zusammen mit externen Einflussgrößen und unbekannten Wirkzusammenhängen zwischen Prozessparametern und Qualitätsmerkmalen trotz vorhandener Prozessregelungen häufig zu schwerwiegenden Mängeln und damit zu Ausschuss. Aktuelle Regelkonzepte basieren meist auf Bedienerwissen und setzen auf eine manuelle Anpassung der Prozessparameter oder reagieren automatisch auf gemessene Abweichungen der Zielgrößen. Dabei ist es oftmals nicht möglich, die Prozesse vorausschauend so anzupassen, dass die Produkte innerhalb der Fertigungstoleranzen bleiben. Ein Mittel zur Kompensation von Qualitätsabweichungen sind Qualitätsregelkreise. In Kombination mit Ansätzen der künstlichen Intelligenz bzw. des maschinellen Lernens, hier dem Reinforcement Learning (RL) und dem Transfer Learning (TL), bieten Qualitätsregelkreise das Potenzial, den Ausschuss zu reduzieren. Dies geschieht über eine automatische Adaption der Anlagenparameter bei auftretenden Instabilitäten.

Zielstellung
Das Ziel des Forschungsprojektes IRLeQuM ist die Entwicklung einer Methodik zur Implementierung von neuartigen KI-Reglern, basierend auf RL und TL, in Qualitätsregelkreisen von Massivumformprozessen. Dazu werden Leitfäden und Softwarepakete für KMU entwickelt, die die Einführung und Umsetzung des neuartigen Reglers unterstützen.

Vorgehensweise
Für die Entwicklung der Methodik wird zunächst in den Fertigungsunternehmen mit klassischen Reglern der Ist-Zustand der Umformprozesse mittels geeigneter Leistungskennzahlen erfasst, um den Prozess und dessen Leistungsverhalten bewerten zu können. Im Anschluss erfolgt die Definition der benötigten IT-Infrastruktur, die Entwicklung des RL Algorithmus sowie einer zufallsabhängigen Finite-Elemente-Simulation (FES). Mit den Simulationsergebnissen soll der RL-Regler vortrainiert werden. Im Anschluss wird der RL-Regler in den Qualitätsregelkreis der Unternehmen integriert und erprobt. Im Fokus steht neben der Validierung des Verfahrens die Überprüfung und Verbesserung der entwickelten Leitfäden und Softwarepakete für die KMU.

Ergebnisse und Anwendungspotenzial
Mit den Projektergebnissen werden KMU im Bereich der Massivumformung dazu befähigt, RL-basierte Qualitätsregelkreise einzuführen und dadurch die Prozessqualität nachhaltig zu steigern sowie die internationale Wettbewerbsposition zu stärken. Das entwickelte Verfahren sollte auch auf weitere Produktionsprozesse übertragbar sein, die ähnliche Prozessanforderungen stellen.

• Eichsfelder Schraubenwerk GmbH
• Icon Pro GmbH
• Mubea Tailor Rolled Blanks GmbH
• QA Quality Automation GmbH
• RWTH Aachen
• Schomäcker Federnwerk GmbH