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.
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 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
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. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
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.
