Anzeige
Anzeige
Beitrag drucken

Akustische Qualitätsprüfung von Porsche Digital

KI erkennt Störgeräusche

Die neue KI-gestützte Akustikprüfung von Porsche Digital kann Störgeräusche automatisiert erkennen. Mit der Software-as-a-Service-Lösung lassen sich über verschiedene Anwendungsfälle hinweg die Qualität von Produkten und Fertigungsprozessen steigern. Porsche-CIO Mattias Ulbrich erläutert die Arbeitsweise des KI-Systems.

 (Bild: Porsche AG)

(Bild: Porsche AG)

Im industriellen Umfeld spielt die Geräuschanalyse seit geraumer Zeit eine wichtige Rolle bei der Qualitätskontrolle. Denn der Klang von Maschinen, Anlagen und Bauteilen ist ein zuverlässiger und Indikator für deren Qualität und Funktionalität. Dabei kommt das akustische Monitoring vor allem dann zum Einsatz, wenn andere, meist optische Prüfverfahren an ihre Grenzen stoßen.

Ausfälle verhindern

Aus Störgeräuschen können Produktions- und Entwicklungsingenieure z.B. Fehler und Mängel ableiten und so Ausfälle verhindern. Die Entwicklung akustischer Prüfsysteme zur Ermittlung von Störgeräuschen ist jedoch aufwendig und erfordert Knowhow. Gleichzeitig nimmt die Komplexität von Produktions- und Fertigungsprozesse und der Bedarf an intelligenten Analyse-Werkzeugen zu. Der Einsatz von künstlicher Intelligenz (KI) zur automatisierten Geräuschprüfung kann die Entwicklungsingenieure entlasten und bietet neue Möglichkeiten für die zuverlässige und lückenlose Störgeräusch-Erkennung in der Produktion und Entwicklung. Vor diesem Hintergrund hat Porsche Digital das KI-System Sounce entwickelt, ein digitaler Assistent zur Verbesserung der Akustikprüfung und Fehlererkennung.

Die Lösung kann in verschiedenen Anwendungsszenarien eingesetzt werden. (Bild: Porsche Digital GmbH)

Die Lösung kann in verschiedenen Anwendungsszenarien eingesetzt werden. (Bild: Porsche Digital GmbH)

Störgeräusche automatisiert erkennen

Die Lösung erkennt Störgeräusche automatisch und in Echtzeit. Dafür werden Informationen aus unterschiedlichen Datenquellen gesammelt, analysiert und anschließend Fehler automatisiert erkannt. Die SaaS(Software-as-a-Service)-Lösung ist ein modulares System, welches dem jeweiligen Anwendungsszenario entsprechend in verschiedensten Produktions- und Fertigungsprozessen eingesetzt werden kann, so z.B. zur Fehlererkennung während des Fertigungsprozesses, bei End-of-Line-Stationen oder auch an Entwicklungsprüfständen. Entwickelt wurde die Lösung in Zusammenarbeit mit der Porsche AG.

Warum KI?

Warum ist die Entwicklung und der Einsatz von KI zur akustischen Qualitätsprüfung aber überhaupt sinnvoll? Egal ob in der Qualitätssicherung oder bei der Bauteilqualifizierung, gängige Analysemethoden von Geräuschen sind aufwendig und unterliegen oft dem subjektiven Empfinden des Prüfers. Sie stellt daher hohe Anforderungen an die Fachkräfte. Zu spät oder gar nicht erkannte Fehler lassen sich oft nur mit Aufwand und/oder Zusatzkosten korrigieren.

 (Bild: Porsche Digital GmbH)

(Bild: Porsche Digital GmbH)

Fünf Schritte

Eine KI-basierte Geräuschprüfung schafft konsistente Prüfkriterien, ermöglicht eine lückenlose Fehlererkennung und erhöht so die Prozessstabilität. Eine vorherige Eingrenzung und Spezifizierung der zu erkennenden Anomalien ist dabei nicht notwendig. Basierend auf einem Deep-Learning-Ansatz erkennt die Lösung Ausfälle und unerwünschte Geräusche. Auch neu auftretende Fehler können durch das lernende System erkannt werden. Die Ergebnisse werden in einer Webanwendung dokumentiert, visualisiert und zusammengefasst. Die KI-basierte Geräuscherkennung besteht aus fünf Schritten.

  • • Zuhören und Erfassen: Der Prüfstand oder die Station ist mit minimalinvasiver Sensorik ausgestattet. Die Datenerfassung wird gestartet. Dieser Prozess ist in kürzester Zeit erledigt, um schnell zum interessanten Teil zu kommen: dem Training des KI-Modells.
  • • Bewerten: Der Ingenieur nutzt die Software, um relevante Qualitätskriterien der Geräuschdetektion zu dokumentieren und schafft damit die Grundlage für das Training des KI-Modells.
  • • Trainieren: Auf der Grundlage der verfügbaren Daten wird ein Deep-Learning-Algorithmus trainiert und in der Cloud bereitgestellt.
  • • Überwachen und Erkennen: Der Prüfstand wird kontinuierlich überwacht und Geräuschanomalien werden automatisch in Echtzeit erkannt. Die Geräusche können visualisiert, bewertet und verglichen werden.
  • • Verifizieren: Ingenieure geben Rückmeldung über die Genauigkeit der Geräuscherkennung und optimieren den Algorithmus langfristig.

Sounce von Porsche soll Entwicklung und Produktion von Komponenten in der Automobilindustrie und anderen Branchen unterstützen. Das SaaS-System lässt sich in verschiedenen Bereichen einsetzen und bietet u.a. objektive Geräuschbewertung, eine lückenlose Überwachung, die Prüfstandfernsteuerung sowie unterschiedliche Methoden zur Analyse der Geräusche.


Das könnte Sie auch interessieren:

Der Automobilzulieferer Hirschmann Automotive muss Produktionsdaten bis zu 15 Jahre lang aufheben. Eigentlich lästig, doch mit dem Rollout einer IIoT-Plattform wird die Aufbewahrungspflicht zum Sprungbrett für Optimierungen. Denn einlaufende Maschinendaten ermöglichen Applikationen wie Echtzeit-Monitoring, datenbasierte Problembewältigung und sogar KI-Analysen.‣ weiterlesen

Wer Produktion und Logistik in einer Echtzeit-Visualisierung abbildet, kann niedrigschwellig in die digitale Transformation einsteigen und viel Papier aus dem Shopfloor bannen. Ergänzt um zentrale MES-Funktionen lassen sich solche Visualisierungssysteme zur Operational Excellence-Plattform ausprägen, die bei fortlaufenden Prozessoptimierungen unterstützt.‣ weiterlesen

Zum 1. Januar übernimmt Jörg Tewes den Posten des CEO bei Exasol. Er kommt von Amazon zum Analytics-Spezialisten.‣ weiterlesen

Industrielle Trends wie IIoT und Digitalisierung setzen immense Datenströme voraus. Doch im Gegensatz zur IT-Security für Büros müssen Fabrikbetreiber auf wesentlich mehr Stolpersteine achten, damit ihre Anlagen nicht schon einfachen Angriffen zum Opfer fallen.‣ weiterlesen

Ab und zu fehlte ein Schlüssel im Kloster der Franziskanerinnen der ewigen Anbetung von Schwäbisch Gmünd. Beim letzten Mal gab das den Impuls, anstatt neue mechanische Zylinder in die rund 220 Türen des Komplexes einzubauen, die alte Technik durch das Bluesmart-System von Winkhaus zu ersetzen.‣ weiterlesen

Mit 100,5 Punkten hält sich das IAB-Arbeitsmarktbarometer im November stabil und liegt weiter im leicht über der neutralen Marke. Auf europäischer Ebene sank der Frühindikator allerdings erneut.‣ weiterlesen

In einer neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten und geben Handlungsempfehlungen für Unternehmen, Verbände, Politik und Wissenschaft.‣ weiterlesen