VorlesenLernende Werkzeugmaschine zur autonomen Fräsfertigung kundenindividueller Werkstücke (AICoM)
Stellen Sie sich Ihre individuelle Projektübersicht zusammen.
Schlagwort: Künstliche Intelligenz (KI), Produktionsanlagen
Fördermaßnahme: Lernende Produktionstechnik - Einsatz künstlicher Intelligenz (KI) in der Produktion (ProLern)
Forschungsziel: Es besteht Bedarf an modernen Werkzeugmaschinen (WZM), welche es durch neuartige Ansätze ermöglichen, die Fräsfertigung kundenindividueller Werkstücke bei vereinfachter Bedienung und selbständiger Planung durch die WZM möglichst autonom durchzuführen, womit eine Erhöhung der Produktivität und Prozesssicherheit erreicht werden kann. Ziel des Forschungsvorhabens AICoM – Artificial Intelligence Controlled Milling ist somit die Entwicklung von AICoM, einem System aus verschiedenen Einzelmodulen, die in einer intelligenten modularen System- und Steuerungsarchitektur zusammengeschlossen sind. Das System AICoM ermöglicht die Optimierung der CAD/CAM Fertigungskette bis hin zur Fertigung der Produkte. Die Verknüpfung des Systems AICoM mit einer normalen WZM ermöglicht eine „lernenden Werkzeugmaschine" für die spanende Fertigung. Dioese hat die Fähigkeit, den Prozess autonom anzupassen und auf erlerntes "Wissen” bzw. erlernte "Erfahrungen” zurückzugreifen. Der Nutzer kann hierbei aus verschiedenen Zielgrößen wählen, an die sich die WZM mit der zu entwickelnden KI-basierten Prozessregelung selbstständig anpasst. Dabei wird die Leistungsfähigkeit der WZM je nach Bedarf und Anforderung stets voll ausgeschöpft. AICoM greift auf aktuelle und historische Prozessinformationen (Wissensspeicher) zurück. Durch den Zugriff auf die Erfahrung aus vorangegangenen Aufträgen können die Fertigungsprozesse bereits während der Prozessplanung automatisch optimiert werden. Die selbständige Planung der Prozesse kann den Aufwand der Programmierung deutlich reduzieren. Die automatische Prozessregelung ermöglicht weitere Produktivitätssteigerungen.
Ansprechperson Projektkoordination
Thomas Stolz +49 7571 108-22341
thomas.stolz@guehring.de
Ansprechperson bei PTKA
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, so dass trotz langjähriger Erfahrung Potenziale ungenutzt bleiben. Aktuelle Systeme zur Unterstützung an 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 setzt das Forschungsprojekt AICoM an. Ziel ist 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
Für die Herstellung wird ein 3D-Modell des zu fertigenden Werkstücks inklusive Qualitätsanforderung an die Maschine übergeben und anschließend unter Berücksichtigung der vom Nutzer gewählten Zielgröße, wie z. B. höchste Produktivität oder maximale Werkstückqualität, das Bauteil gefertigt.
Das dafür zu entwickelnde System generiert auf Basis von KI automatisiert die Steuerbefehle für die Fertigung des gewünschten Werkstückes. Es kann sowohl bei der Planung als auch während der Herstellung auf gespeicherte historische und auf aktuelle Prozessinformationen zurückgreifen. Die im Zentrum stehende KI passt dabei je nach dem momentanen Istzustand des Prozesses neben den Prozessparametern auch die abzufahrenden Bahnpunkte an, wobei stets die vom Nutzer gewählte Zielgröße berücksichtigt wird. Dafür werden neue Ansätze basierend auf automatisiertem Machine Learning (AutoML) entwickelt, die es Domänenexperten erlauben, KI-Modelle in reduzierter Zeit zu erstellen.
Ergebnisse und Anwendungspotenzial
Als Ergebnis entstehen Ausrüstungen und Verfahren, die es ermöglichen, die Prozese für die spanende Fertigung automatisiert und selbstständig durchführen. Die angestrebte Integration der technischen Lösungen ermöglicht Maschinenherstellern in unterschiedlichen Branchen, Softwarelieferanten und Anwendern einen erheblichen Wettbewerbsvorteil. Bei erfolgreichem Projektabschluss nimmt AICoM eine Leuchtturmrolle der lernenden Produktionstechnik in der Werkzeugmaschinenbranche ein und ermöglicht eine signifikant vereinfachte Maschinenbedienung bei einer erhöhten Produktivität und verkürzten Anlaufzeiten.
- Gühring KG
- ISG Industrielle Steuerungstechnik GmbH
- Lorenz Hoffmann GmbH
- ModuleWorks GmbH
- Synop Systems UG (haftungsbeschränkt)
- Technische Universität Darmstadt
Ihre Favoriten
In der folgenden Liste sehen Sie Ihre ausgewählten Projekt-Favoriten.