Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA
KI-basierte Altteil-Befundung.
Präzise Altteilanalyse: VersAtile-KI für effiziente Refabrikation
In Kürze
Im Projekt «VersAtile-KI» wird ein KI-basiertes Entscheidungsunterstützungssystem erforscht, das Menschen bei der Verschleiß- und Abnutzungsbefundung an Altteilen unterstützen soll. Das KI-basierte System soll flexibel einsetzbar sein und Expertenwissen der Mitarbeitenden erlernen.
Im Detail
Die Refabrikation in der Industrie bietet eine wegweisende Möglichkeit, Energie und Rohstoffe einzusparen. In Anbetracht des fortschreitenden Klimawandels und der Notwendigkeit zur Ressourceneffizienz rückt diese Strategie immer stärker in den Fokus. Altteile, also gebrauchte Produkte, werden durch Aufarbeitung wieder in ihren Neuzustand versetzt. Die Entscheidung zur Aufarbeitung birgt jedoch Herausforderungen. Die herkömmliche Sichtprüfung durch Menschen neigt aufgrund steigender Variantenvielfalt und monotoner Aufgaben zur Fehleranfälligkeit. Aufarbeitbare Altteile werden aussortiert, während recyclingfähige Teile unbeabsichtigt weitergeführt werden – ein ineffizienter Prozess, der zu Ressourcenverschwendung führt.
Um diesem Dilemma zu begegnen, wird im Projekt VerAtile-KI eine KI-gestützte Lösung entwickelt, die den Menschen bei der Altteilebefundung unterstützen soll.
Ziele und Vorgehen
Das Vorhaben «VersAtile-KI» konzentriert sich auf die Entwicklung eines Entscheidungsunterstützungssystems auf Basis Künstlicher Intelligenz (KI). Ziel ist es, dieses System so zu gestalten, dass es Menschen effektiv bei der Befundung unterstützt. Die Wahl eines KI-basierten Ansatzes bietet sich besonders an, da er eine flexible Anwendung ermöglicht und das Expertenwissen der Mitarbeitenden erlernen kann. Allerdings steht und fällt die Leistungsfähigkeit dieses KI-Systems mit der Menge an verfügbaren Daten, sprich Trainingsdaten. In der Praxis sind solche Daten jedoch oft begrenzt verfügbar. Daher soll das zu entwickelnde KI-System mit minimalem Aufwand in der Datenakquise trainiert werden. Gleichzeitig soll es aber in der Lage sein, eine umfassende Bandbreite von Verschleiß- und Abnutzungserscheinungen zu verarbeiten.
Innovationen und Perspektiven
Die Umsetzung des KI-Systems erfolgt in folgenden Schritten: Zunächst wird eine Digitalisierungslösung genutzt, um realistische 3D-Modelle der Altteile durch Scans zu generieren. Aus diesen Modellen werden unter Berücksichtigung der lokalen Oberflächenvorgaben eines Domänenexperten und der typischen Verschleiß- und Abnutzungsspuren synthetische Bilder erzeugt. Diese Bilddaten dienen dem Training von geeigneten Klassifikationsnetzen. Diese werden wiederum in den Befundungsprozess integriert, beispielsweise durch die Einblendung in einer Augmented Reality-Brille, um die Sichtprüfenden wirkungsvoll zu unterstützen. Durch diese innovative Herangehensweise wird nicht nur die Datenakquise optimiert, sondern auch die Effektivität der Befundung gesteigert.
Die beiden Industriepartner Kaptura und Dropslab werden die Projektergebnisse nun in die Industrie transferieren. Dropslab plant die Entwicklung neuer AR-Assistenzkomponenten zur Werker-Führung und KI-basierte Identifikationsverfahren zum Einsatz in der Remanufacturing-Branche. Kaptura entwickelt eine Gesamtlösung zur Datenerzeugung für KI-basierte Klassifikationsverfahren in 2D und 3D.