Stellen Sie sich Ihre individuelle Projektübersicht zusammen.
Schlagwort: Künstliche Intelligenz (KI), Produktionsanlagen
Fördermaßnahme: Lernende Produktionstechnik - Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern)
Forschungsziel: Im Rahmen des Forschungsvorhabens AICoM wurde ein System entwickelt, das aus verschiedenen Einzelmodulen besteht und in einer intelligenten, modularen System- und Steuerungsarchitektur integriert ist. Dieses System optimiert die gesamte CAD/CAM-Fertigungskette bis hin zur eigentlichen Produktfertigung. Durch die Integration des Systems in bestehende Werkzeugmaschinen konnte eine „lernende Werkzeugmaschine“ für die spanende Fertigung realisiert werden. Diese Maschine passt Prozesse automatisiert an und greift auf erlerntes Wissen und Erfahrungen zurück. Ein wesentliches Ergebnis war die erfolgreiche Reduktion der Bearbeitungszeiten um bis zu 60 Prozent beim einem Anwendungspartner, wobei die Anforderungen an Belastung, Stabilität und Qualität stets eingehalten wurden. Zusätzlich konnten durch KI-gestützte Analysen Prozessparameter identifiziert werden, die regeneratives Rattern vermeiden. Das führte nicht nur zu einer verbesserten Bauteilqualität, sondern schonte auch die Maschinenkomponenten. Das Projekt hat gezeigt, dass die Kombination aus intelligenter Prozessplanung und KI-basierter Optimierung einen signifikanten Beitrag zur Produktivitätssteigerung und Prozesssicherheit in der Fräsfertigung leisten kann.
Thomas Stolz +49 7571 108-22341
thomas.stolz@guehring.de
Dipl.-Ing. Michael Petzold
+49 721 608-31469
michael.petzold@kit.edu
Problemlage
Der Trend zur Losgröße Eins sowie immer komplexere Werkstücke sind Herausforderungen für die spanende Bearbeitung, beispielsweise bei der Werkzeugfertigung im Luftfahrt-, Automobil- oder Dentalbereich. In der spanenden Bearbeitung kommen hochautomatisierte Werkzeugmaschinen (WZM) zum Einsatz, welche für einen kosteneffizienten Betrieb ein hohes Maß an Prozessverständnis erfordern. Bei kleinen Losgrößen erfolgt oftmals die Fertigung mit weit unterhalb des Produktivitätsoptimums gewählten Prozessparametern. Das senkt das Risiko, schöpft aber das Potenzial der Maschinen und Verfahren nicht aus. Aufgrund der stark variierenden kundenindividualisierten Produkte bleibt der Aufbau von nachhaltigem Prozessverständnis bei den Mitarbeitenden zumeist aus, sodass trotz langjähriger Erfahrung Potenziale ungenutzt bleiben. Aktuelle Systeme zur Unterstützung der Bedienung von WZM sind zur Vermeidung von Stillständen und Schäden ausgerichtet, jedoch nicht auf die Steigerung der Produktivität durch Optimierung aller Prozessparameter in der Kleinserien- und Einzelteilfertigung.
Zielstellung
An dieser Stelle setzte das Forschungsprojekt AICoM an. Ziel war die Entwicklung einer lernenden Werkzeugmaschine für die spanende Fertigung mit der Fähigkeit, den Prozess autonom anzupassen und dabei auf erlerntes Wissen beziehungsweise erlernte Erfahrungen zurückzugreifen.
Vorgehensweise
Zunächst wurde ein 3-D-Modell des zu fertigenden Werkstücks inklusive Qualitätsanforderung an die Maschine übergeben. Anschließend wurde das Werkstück unter Berücksichtigung der vom Nutzer gewählten Zielgröße, wie z. B. höchste Produktivität, auf der Maschine bearbeitet.
Das dafür entwickelte System, generiert auf Basis von KI, automatisiert das NC-Programm für die Fertigung des gewünschten Werkstückes. Das System kann bei der Planung auf gespeicherte historische Prozessinformationen zurückgreifen. Im Zentrum der Prozessoptimierung stehen die Vorhersagemodelle. Dabei wird eine effiziente Zerspanungssimulation mit Methoden des maschinellen Lernens angereichert, um auf Basis von technologischen Eingangsparametern die Prozessausgangsgrößen vorherzusagen. Mit Hilfe dieser Modelle optimiert der metaheuristik-basierte Optimierungsalgorithmus während der automatischen NC-Programmierung die technologischen Schnittparameter.
Ergebnisse und Anwendungspotenzial
Als Ergebnis stehen Methoden und Verfahren zur Verfügung, die es ermöglichen, die Prozesse für die spanende Fertigung automatisiert und optimal durchführen. Sämtliche Komponenten in der CAD-CAM-CNC Prozesskette werden von den Entwicklungspartnern um Module und Schnittstellen erweitert, die zukünftig eine ganzheitliche Integration ermöglichen.
In der folgenden Liste sehen Sie Ihre ausgewählten Projekt-Favoriten.
Vorlesen