Maschinenwartung
Mit künstlicher Intelligenz dem Verschleiß auf der Spur
Forscher am Karlsruher Institut für Technologie (KIT) haben ein System zur vollautomatischen Überwachung von Kugelgewindetrieben in Werkzeugmaschinen entwickelt. Dabei kommt eine direkt in die Mutter des Kugelgewindetriebs integrierte Kamera zum Einsatz. Eine künstliche Intelligenz (KI) überwacht dabei auf Basis der dabei erzeugten Bilddaten kontinuierlich den Verschleiß.
Die Wartung und der rechtzeitige Tausch von defekten Bauteilen in Werkzeugmaschinen ist ein wichtiger Bestandteil des Produktionsprozesses beim Maschinenbau. Bei Kugelgewindetrieben, wie sie etwa in Drehmaschinen zur Präzisionsführung bei der Herstellung von zylindrischen Bauteilen zum Einsatz kommen, wird der Verschleiß bislang manuell festgestellt. „Die Wartung ist deshalb mit Montagearbeiten verbunden. Die Maschine steht dann erst einmal still“, sagt Professor Jürgen Fleischer vom Institut für Produktionstechnik (wbk) des KIT. „Unser Ansatz basiert dagegen auf der Integration eines intelligenten Kamerasystems direkt in den Kugelgewindetrieb. So kann ein Anwender den Zustand der Spindel kontinuierlich überwachen. Besteht Handlungsbedarf, wird er automatisch informiert.“ Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
KI wertet Bilddaten aus
Das neue System besteht aus einer an der Mutter des Kugelgewindetriebes angebrachten Kamera mit Beleuchtung, die mit einer KI zur Auswertung der Bilddaten kombiniert ist. Während der Bewegung der Mutter auf der Spindel macht sie von jedem Spindelabschnitt Einzelaufnahmen. Dadurch wird jeweils die gesamte Oberfläche der Spindel analysiert. Das Manufacturing Execution System (MES) HYDRA optimiert Produktionsprozesse für Fertigungsunternehmen, um Wettbewerbsvorteile zu erzielen. ‣ weiterlesen
MES-Integrator und 360-Grad-Partner für optimierte Fertigung
Präsentation auf der Hannover Messe
Die Kombination von Bilddaten aus dem laufenden Betrieb mit Methoden des maschinellen Lernens ermöglicht Anwendern des Systems eine direkte Bewertung des Zustands der Spindeloberfläche. „Wir haben unseren Algorithmus mit tausenden Aufnahmen trainiert, sodass er nun souverän zwischen Spindeln mit und solchen ohne Defekt unterscheiden kann“, so Tobias Schlagenhauf vom wbk, der an der Entwicklung des Systems mitgearbeitet hat. „Durch eine weitere Auswertung der Bilddaten lässt sich der Verschleiß außerdem genau quantifizieren und interpretieren. So können wir unterscheiden, ob es sich bei einer Verfärbung einfach nur um Schmutz oder aber um schädlichen Lochfraß handelt.“ Beim Training der KI wurden alle denkbaren Formen einer visuell sichtbaren Degeneration berücksichtigt und die Funktionalität des Algorithmus mit neuen, vom Modell noch nie gesehenen Bilddaten validiert. Der Algorithmus eignet sich für alle Anwendungsfälle, bei denen bildbasiert Defekte auf der Oberfläche einer Spindel identifiziert werden sollen und lässt sich auch auf andere Anwendungsfälle übertragen. Das System soll auf der diesjährigen Hannover Messe präsentiert werden.
