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:

Zerspaner müssen sich intensiv mit hoher Variantenvielfalt, kleinen Losgrößen und langen Rüstzeiten befassen, um wettbewerbsfähig zu fertigen. MES-Software mit Advanced Planning and Scheduling-Funktionalität hilft, die Herausforderungen der Branche anzugehen.‣ weiterlesen

Weltweit steckt der Einsatz von künstlicher Intelligenz (KI) noch in den Kinderschuhen. Die Mehrheit der Unternehmen, die KI einsetzen, experimentieren laut einer Accenture-Untersuchung in diesem Bereich noch. 12 Prozent nutzen die Technologie mit einem KI-Reifegrad, der einen starken Wettbewerbsvorteil bringt, so das Ergebnis der Studie.‣ weiterlesen

Thomas Herrguth verantwortet seit 1. Juli das Deutschlandgeschäft bei VMware. Sein Vorgänger Armin Müller konzentriert sich nun auf seine Rolle als Vice President CEMEA bei VMware.‣ weiterlesen

Bei Predictive-Quality-Anwendungen kann es sich auszahlen, nicht auf die Cloud, sondern auf Edge Computing zu setzen – vor allem dann, wenn es schnell gehen muss, erläutert Data-Science-Spezialist LeanBI.‣ weiterlesen

Der ERP-Auswahlberater Trovarit begleitete Buhmann Systeme bei seiner Software-Neuausrichtung von der Prozessanalyse bis zur Systemauswahl. Ein zentrales Element war der Anforderungskatalog mit 850 Punkten. Im Marktvergleich bot die Software AMS.ERP die höchste Abdeckung - und ihr Hersteller erhielt den Zuschlag.‣ weiterlesen

Gemeinsam wollen Siemens und Nvidia das industrielle Metaverse erschließen. Die Unternehmen wollen dafür ihre Partnerschaft ausbauen und durch die Verknüpfung von Nvidia Omniverse und Siemens Xcelerator realitätsgetreue digitale Zwillinge ermöglichen.‣ weiterlesen

Amazon Web Services hat auf dem AWS Summit in San Francisco drei Services angekündigt, die sich vor allem an produzierende Betriebe richten. Mit AWS IoT TwinMaker können Entwickler digitale Zwillinge etwa von Gebäuden, Fabriken, Industrieanlagen und Produktionslinien erstellen.‣ weiterlesen

Wachstum hatte die Personalarbeit bei Schuler Präzisionstechnik vor Herausforderungen gestellt. Die manuelle Bearbeitung von Vorgängen kostete Zeit und war umständlich. Daher wurde ein digitales Personalmanagement-System auf Basis einer Software für Enterprise Content Management (ECM) aus der Taufe gehoben.‣ weiterlesen

Die Berliner Fraunhofer Institute haben im Auftrag von German Edge Cloud und dem Innovationscluster 5G Berlin eine 5G-Infrastruktur in Betrieb genommen. Diese steht Kunden und Partnern aus Industrie und Forschung für Projekte zur Verfügung.‣ weiterlesen

PTC hat das neunte Major Release der CAD-Software Creo vorgestellt. Das Unternehmen mit Hauptsitz in Boston hat in die Weiterentwicklung der Modellierungsumgebung investiert, um die Benutzerfreundlichkeit und Produktivität zu erhöhen.‣ weiterlesen

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige