KI-kognitionsunterstützendes Assistenzsystem zur Inprozesskontrolle in der Fertigung

Projektbeschreibung

KI-gestützte Bildverarbeitung und Assistenzfunktionen

PROJEKTZIELE

Das Ziel ist die Entwicklung eines KI-kognitionsunterstützenden Assistenzsystems zur Inprozesskontrolle (KIKA-IPK), welches durch selbstlernende Bildmerkmalskorrelationen mit Prozesseigenschaften eine ressourceneffizientere Prozess- und Materialkonfiguration ermöglicht. Hierbei wird das Erfahrungswissen des Maschinenbedieners zur Verbindung visueller Qualitätsmerkmale einerseits und Prozesseigenschaften andererseits durch maschinelle Lernverfahren modelliert. Als Projektergebnis wird ein Assistenzsystem angestrebt, das durch die Abbildung optischer Qualitätsmerkmale des Produkts und seiner Prozessgrößen in einem KI-Modell während der Fertigung eine ressourceneffizientere Zielkonfiguration der Prozessparameter ermöglicht.

INNOVATION & METHODIK

Im Rahmen des FuE-Vorhabens werden Verfahren entwickelt, die es ermöglichen, aus visuellen Produktmerkmalen auf Prozesskenngrößen zurückzuschließen, die kaum messbar sind. Hierdurch wird es möglich, den Prozess gezielt so zu regeln, dass Qualitätsabweichungen während der Fertigung kompensiert und auf neue Produktmerkmale effizient Angepasst werden. Dazu werden die Bild-, Prozess- und Material-Datenströme sowie das Nutzerfeedback während der Fertigung über die Schnittstelle des „KI-kognitionsunterstützenden Assistenzsystems“ (KIKA) analysiert und die Ergebnisse nachvollziehbar den Akteuren sowie der Maschinensteuerung in Echtzeit übermittelt. Die KI-Dienste werden in zwei Szenarien für die additive Fertigung, 3D‑Metalldrucken mit Stahl und den personalisierten Medikamentendruck integriert und das Ressourceneffizienzpotential in der industriellen Anwendung demonstriert.

UNSER BEITRAG

Technologisches Ziel der Gestalt Robotics ist primär die Erweiterung des Technologieportfolios um Dienste des „Active Learning“ unter Einbindung von Nutzerfeedback. Derart eine technologische Brücke zwischen bestehenden Anwendungsbereichen der KI-gestützten Bildverarbeitung und neuen Anwendungsfeldern im Bereich intelligente Assistenzsysteme hergestellt. Zusätzlich lässt sich im Projektrahmen die industrielle Anwendung von explorativen Lernverfahren, bspw. Reinforcement Learning, pilotieren. Konkrete Ergebnisse ist ein Empfehlungssystem zur Unterstützung des Maschinenbediener bei der visuellen Produktcharakterisierung durch ML-Verfahren während der Fertigung und entsprechende Maßnahmen zur Kompensation von Qualitätsabweichungen als spezifische Anweisungen für den Maschinenbediener und der Steuerung auszugeben.