Condition Monitoring und Qualitätsprognose

© Fraunhofer IPA

Läuft der Produktionsprozess (noch) stabil? Oder muss (schon) manuell eingegriffen werden? Diese Fragen gehören inzwischen zum Alltag bei der Betreuung von modernen Produktionsprozessen. Für eine Beantwortung sind aktuelle Informationen nötig, die typischerweise durch Sensoren direkt im Prozess gewonnen werden.

Die Abteilung »Bild- und Signalverarbeitung« realisiert Systeme zur Überwachung von Produktionsprozessen mit Anwendungen im Condition Monitoring und in der Qualitätsprognose. Die Systeme ermöglichen, Fehler in komplexen Situationen frühzeitig zu erkennen. Zudem kommen sie zum Einsatz, um effizient den Arbeitspunkt optimal einzustellen.

Die Gründe für eine hohe Komplexität sind in der Praxis vielfältig: Häufig ist der Zeitaufwand für die Bewertung der Bauteilqualität länger als die eigentliche Zykluszeit, was eine schnelle Erkennung von Fehlerzuständen erschwert. Ist die Prüfung zudem nur zerstörend möglich, muss die Bewertung anhand von Stichproben erfolgen. Um die vorliegenden Sensordaten auch in diesen Fällen optimal nutzen zu können, kommen Methoden der Digitalen Signalanalyse und des Maschinellen Lernens zum Einsatz.

Das Anwendungsspektrum der Überwachungssysteme ist breit gefächert und reicht von zyklischen Produktionen im Kunststoffspritzguss und Ultraschallschweißen bis hin zu kontinuierlichen Prozessen in der Verfahrenstechnik.

Unterstützung leisten Expertinnen und Experten u. a. auch bei der Auswahl und Integration von Sensoren in die Fertigung wie auch beim effizienten Auffinden eines geeigneten Arbeitspunkts bei der Inbetriebnahme.

 

Qualitätsprognose der Oberflächengüte

In der Kunststoffverarbeitung gibt es den Trend, Bauteiloberflächen gezielt mit mikro- und nanostrukturierten Oberflächen zu versehen. Eine vollständige Charakterisierung der Oberflächen ist zeitlich aufwendig und kann daher nicht als 100%-Prüfung implementiert werden. Eine Prognose der Qualität anhand von Prozessdaten ist hingegen nach jedem Zyklus möglich und ermöglicht ein frühzeitiges Anzeigen von Prozessanomalien. 

Prozessüberwachung anhand von Motorspindeldaten

Motorspindeln kommen in der spanenden Fertigung zum Einsatz. Durch integrierte Sensorik können Daten aufgezeichnet werden, die einen Bezug zum aktuellen Zustand der Fertigung (u. a. zum Werkzeug) aufweisen. Mit Methoden des Machine Learnings können kritische Prozesssituationen frühzeitig erkannt werden.

Optimaler Betriebspunkt

Zu Beginn von neuen Fertigungslosen sind in der kunststoffverarbeitenden Industrie häufig Anpassungen der Produktionsparameter erforderlich. Die Gründe liegen beispielsweise in der Zusammensetzung des Rohmaterials, z. B. aufgrund unterschiedlicher Additive oder durch Schwankungen bei der Verwendung von Recyclingmaterial. Das Fraunhofer IPA hat ein System entwickelt, das eine schnelle, zielgerichtete Optimierung des Betriebspunkts ermöglicht.