Startseite » Top-News » News & Produkte »

WZL startet Projekt für die Qualitätsvorhersage per App

Projekt mit Industriepartnern
WZL startet „Orakel“ für die App-basierte Qualitätsvorhersage

WZL-Qualitaet-Orakel.jpg
Das Team des Forschungsprojekts Orakel beim Kick-off-Meeting im Februar 2020 in Aachen Bild: WZL
Anzeige
Vorhersagen zur Qualität und Fehler-Ursachen-Analyse in der Produktion mit künstlichen neuronalen Netzen sind Ziele eines Projekts am WZL der RWTH Aachen.

Qualitätssicherung muss leichter werden: Moderne Maschinensteuerungen liefern viele Daten über den ablaufenden Fertigungsprozess, aber erst die spezialisierte Auswertung der Daten ermöglicht einen tiefergehenden Einblick. Dadurch können nützliche Informationen und Optimierungspotenziale extrahiert und der Prüfaufwand reduziert werden. Die Produktqualität lässt sich dabei mit mathematischen Modellen aus den Prozessdaten, wie beispielsweise Drücken, Temperaturen oder Strömen, vorhersagen.

Diese Modelle von Hand zu erstellen ist nicht nur zeitintensiv, sondern erfordert ebenso umfassendes Expertenwissen über den Fertigungsprozess. Neue Entwicklungen im Bereich Data Science machen es jetzt möglich, diese Modelle aus den Prozessdaten automatisiert zu ermitteln. Hierfür werden Machine-Learning-Verfahren wie neuronale Netze eingesetzt. Neuronale Netze lernen aus der Datenbasis und können anschließend für die Vorhersage der Produktqualität und zur Fehler-Ursachen-Analyse eingesetzt werden. In kleinen und mittleren Unternehmen (KMU) fehlen jedoch oft das erforderliche Wissen und die notwendigen Ressourcen, um Machine-Learning-Verfahren erfolgreich einzusetzen.

Qualität vorhersagen mit Machine Learning

Um diese Lücke zu schließen, ist am Werkzeugmaschinenlabor WZL der RWTH Aachen im Februar das auf zwei Jahre angesetzte Projekt Orakel in Kooperation mit Unternehmen aus unterschiedlichen Branchen gestartet. Im Rahmen des Projekts wird sich der Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement unter der Leitung von Professor Robert H. Schmitt der Entwicklung von auf neuronalen Netzen basierenden Algorithmen zur automatisierten Qualitätsvorhersage und Fehler-Ursachen-Analyse in der Produktion widmen. Ziel ist die Reduktion von Prüfaufwänden und der Aufbau von Prozesswissen.

App für kleine und mittlere Unternehmen

Hauptziel des Projekts Orakel ist die Umsetzung einer App, die es ermöglicht, eine Qualitätsvorhersage effizient und ohne tiefergehendes Expertenwissen über neuronale Netze einzusetzen. Darüber hinaus wird das Wissen aus den neuronalen Netzen extrahiert und für die Fehleranalyse und Prozessoptimierung aufbereitet. Als Voraussetzung für die App wird eine Datengrundlage aus Prozessdaten und Prüfergebnissen benötigt, zu deren Erstellung Prozessdaten aufgezeichnet und mit den Ergebnissen der physischen Qualitätsprüfung in einer Datenbank abgelegt werden. Zudem wird den Unternehmen ein Leitfaden zur Datenaufzeichnung zur Verfügung gestellt.

Im Rahmen des Projekts wird dann ein Prototyp der App implementiert und bei ausgewählten Industriepartnern erprobt. Um eine größtmögliche Ergonomie zu gewährleisten, werden die App-Oberflächen der einzelnen Arbeitsschritte, wie Datenerfassung, Qualitätsvorhersage und Fehlerabstellung, dabei zusammen mit Industriepartnern und Endanwendern gestaltet. Im Anschluss an das Projekt können die teilnehmenden Unternehmen die App frei nutzen.

Aufwand für die Qualitätsprüfung sinkt

Die Vorteile, die sich aus dem Einsatz von Qualitätsvorhersagen für Industrieunternehmen ergeben, sind beachtlich: Zunächst reduziert sich der Aufwand für die Qualitätsprüfung auf Stichproben zur Validierung der Vorhersage. Der Bedarf an physischen Prüfungen sinkt ebenfalls, was dazu führt, dass weniger Messmittel und Prüfmaschinen angeschafft und gewartet werden müssen. Indem die App Wissen über kritische Fertigungsparameter aus den neuronalen Netzen automatisch extrahiert, werden Fehlerursachen zudem schneller identifiziert und Anlaufzeiten für ähnliche Fertigungsprozesse bei geringerem Personalaufwand reduziert.

Um die App in den folgenden zwei Jahren zu entwickeln, stellen die Industriepartner aus dem projektbegleitenden Ausschuss von Orakel geeignete Datensätze und produktionstechnische Anwendungsfälle bereit. Die Mitarbeiter des WZL wählen dann mittels Fallstudien die notwendigen Methoden zur Datenvorbereitung sowie geeignete Typen von neuronalen Netzen aus. Während des Kick-off-Meetings im Februar 2020 in Aachen wurden geeignete Prozesse und verfügbare Datensätze mit den Unternehmen er- mittelt, Voraussetzungen zur Datenaufnahme diskutiert sowie Grundlagen zu neuronalen Netzen erarbeitet. ■

WZL der RWTH Aachen
Campus-Boulevard 30
52074 Aachen
Tel. +492418027400
www.wzl.rwth-aachen.de

Anzeige
Newsletter

Jetzt unseren Newsletter abonnieren

Videos Control 2019

Die besten Videos von der Messe

Quality Engineering
Titelbild QUALITY ENGINEERING 5
Ausgabe
5.2020
LESEN
ABO
Webinare & Webcasts

Technisches Wissen aus erster Hand

Whitepaper

Whitepaper zum Thema QS

Anzeige
Anzeige

Industrie.de Infoservice
Vielen Dank für Ihre Bestellung!
Sie erhalten in Kürze eine Bestätigung per E-Mail.
Von Ihnen ausgesucht:
Weitere Informationen gewünscht?
Einfach neue Dokumente auswählen
und zuletzt Adresse eingeben.
Wie funktioniert der Industrie.de Infoservice?
Zur Hilfeseite »
Ihre Adresse:














Die Konradin Verlag Robert Kohlhammer GmbH erhebt, verarbeitet und nutzt die Daten, die der Nutzer bei der Registrierung zum Industrie.de Infoservice freiwillig zur Verfügung stellt, zum Zwecke der Erfüllung dieses Nutzungsverhältnisses. Der Nutzer erhält damit Zugang zu den Dokumenten des Industrie.de Infoservice.
AGB
datenschutz-online@konradin.de