Forschung für den Mittelstand - Die IGF-Projektdatenbank

Analyse der Prozessantworten beim Rührreibschweißen mittels Künstlicher Intelligenz

Motivation

Das Rührreibschweißen (FSW) eignet sich besonders für Leichtmetalle wie Aluminiumlegierungen, weshalb die Technologie bereits in einigen Industriebereichen eingesetzt wird. Besonders für die E-Mobilität gilt das FSW als Leichtbaubefähiger. Der Bedarf an qualitativ hochwertigen Produkten und kostengünstiger Fertigung erhöht die Notwendigkeit zur In-line-Prozessüberwachung. Da das FSW ein hochautomatisiertes Verfahren ist, ist die Erfassung von Prozessantworten (z. B. Kräfte, Temperaturen) sehr gut realisierbar. Die Überwachung der Prozessantworten erfolgt bisher durch einfache Methoden, wie z. B. der Festlegung von Grenzwerten, die nicht über- und unterschritten werden dürfen. Großes Verbesserungspotential besteht durch den Einsatz Künstlicher Intelligenz (KI). KI liefert die Instrumente, um Daten aus industriellen Prozessen effizient verarbeiten und zum Nutzen der Unternehmen und ihrer Kunden interpretieren zu können. Der Transfer von neuen KI-Technologien in die Breite der deutschen Wirtschaft, die von mittelständischen Unternehmen geprägt ist, birgt große Wertschöpfungspotenziale für Deutschland und stellt derzeit eine Herausforderung dar.

Zielsetzung

Ziele des Vorhabens sind die Übertragung aktueller Erkenntnisse der KI-Forschung auf die Auswertung der Prozessantworten zur Vorhersage der Nahtqualität und der Transfer der KI-Anwendung zu den kmU.

Lösungsweg

Die zentralen Lösungsbausteine stellen die Durchführung von Experimenten zur Generierung der Datenbasis, die Überprüfung der Schweißnähte, die Entwicklung und Validierung der KI-Algorithmen sowie die Entwicklung einer Benutzeroberfläche zur einfachen Anwendung der Algorithmen dar.

Nutzen

Durch eine aussagekräftige und valide Auswertung der Prozessantworten mittels KI werden andere, dem Schweißen nachfolgende Prüfungen ergänzt bzw. substituiert. Da insbesondere bei kmU teure Messtechnik zur Überprüfung der Schweißnahtqualität häufig fehlt, profitieren diese besonders von den Ergebnissen.

Ergebniszusammenfassung:

Im Forschungsprojekt AProKI wurden aktuelle Methoden der künstlichen Intelligenz (KI) qualifiziert, um die Nahtqualität anhand von inline messbaren Prozessgrößen vorherzusagen.

Im Projektverlauf konnte gezeigt werden, dass die Zugfestigkeit und die Bruchdehnung sehr gut durch Prozessgrößen bestimmbar waren. Während die Vickershärte der Schweißnaht ebenfalls vorhergesagt werden konnte, war die dynamische Festigkeit nicht prognostizierbar. Das Auftreten von Hohlräumen in einer Schweißnaht war mit einer Genauigkeit von 98,5 % vorhersagbar. Dabei konnten auch Kavitäten detektiert werden, die durch einen Fügespalt verursacht wurden.

Es wurden Erkenntnisse über die Qualität der erzeugten Schweißnähte gewonnen, die bisher mit nachfolgenden Schweißnahtprüfungen ermittelt werden mussten. So können durch die entwickelten KI-Algorithmen zerstörungsfreie und zerstörende Schweißnahtprüfungen substituiert bzw. ergänzt werden. Die Projektergebnisse sind damit insbesondere für kleine und mittlere Unternehmen (kMU) relevant, da das zur Durchführung der Prüfungen erforderliche Messequipment kostenintensiv ist und in kmU oft nicht zur Verfügung steht. Zudem sind die Prüfverfahren häufig mit einem hohen Aufwand verbunden und erfordern geschultes Fachpersonal.

Durch die entwickelten KI-Algorithmen besteht die Möglichkeit zur Inline-Qualitätskontrolle der FSW-Nähte, woraus geringere Prozessnebenzeiten für die Qualitätskontrolle resultieren. Zudem sind die Kosten für Messequipment geringer und eine durchgehende Prüfung der Schweißnähte ist möglich. Außerdem besteht die Möglichkeit zur durchgehenden Dokumentation der Schweißnahtqualität und dadurch eine vereinfachte haftungsrechtliche Absicherung sowie verbesserte Rückverfolgbarkeit der Bauteile.