• English
  • Deutsch
  • Log In
    Password Login
    or
  • Research Outputs
  • Projects
  • Researchers
  • Institutes
  • Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Buch
  4. Künstliche Intelligenz in der Einzel- und Kleinserienfertigung
 
  • Details
  • Full
Options
2021
Report
Titel

Künstliche Intelligenz in der Einzel- und Kleinserienfertigung

Titel Supplements
Whitepaper
Abstract
Anforderungsgerechte Lösungen für die Produktion, da Lern- und Skaleneffekte nicht vorhanden sind. Aufgrund gestiegener Rechenleistung sind Systeme mit Künstlicher Intelligenz heute in der Lage, selbstständig Entscheidungen zu treffen und Maßnahmen umzusetzen. Unternehmen in der Einzel- und Kleinserienfertigung werden so befähigt, mittels Künstlicher Intelligenz effizientere und leistungsfähigere Prozesse zu etablieren. In diesem Whitepaper wird der Begriff der Künstlichen Intelligenz definiert und es werden Potenziale für die Einzel- und Kleinserienfertigung aufgezeigt. Besonders das Automated Machine Learning ermöglicht es, manuelle und arbeitsintensive Modelllier- und Analysetätigkeiten automatisiert auszuführen. Dadurch ist eine einfache Anwendung von Machine Learning ohne besondere Fachkenntnisse möglich. Grundsätzlich sind die Anwendungsgebiete für Machine Learning und Künstliche Intelligenz in der Produktion sehr vielfältig. Sie müssen daher stets auf ihre strategische, wirtschaftliche, technologische und organisatorische Eignung überprüft werden. Hinsichtlich des KI-Prozesses ist die Vorgehensweise zur Nutzung von Künstlicher Intelligenz, wie die Sicherstellung einer ausreichenden Datenqualität durch standardisierte und automatisierte Vorgehensweisen zur Datenvorverarbeitung zu betrachten: Die Data-Preprocessing-Pipeline erlaubt in mehreren Schritten eine strukturierte Vorverarbeitung der Daten, sodass dann ein aufbereiteter Datensatz zur Verfügung steht. Auf Basis dieser Datensätze können zum Beispiel ML-Modelle zur Planung und Optimierung von Prozessketten eingesetzt werden. Durch Analyse und Abgleich mit den Konstruktionsdaten der Fertigungshistorie können so Bauteile anhand einer Feature-Erkennung klassifiziert und Prozessparameter optimiert werden. Schwierig ist jedoch, dass bis heute noch keine festgelegte Vorgehensweise zur Zertifizierung existiert. Demnach bildet die Zertifizierung KI-unterstützter Prozesse eine entscheidende Hürde für einen umfassenden Einsatz Künstlicher Intelligenz. Transparenz, Erklärbarkeit und Nachvollziehbarkeit der KI-Ansätze müssen deshalb auch zukünftig im Fokus stehen. Die Anwendungsfälle von Künstlicher Intelligenz im Werkzeugbau sind zahlreich. So kann beispielsweise der Verschleiß von Fräswerkzeugen automatisiert überwacht werden. Ein Körperschallsensor akquiriert Daten, die durch KI-gestützte Analyse ausgewertet werden, um Erkenntnisse über den Verschleiß des Werkzeugs zu gewinnen. Des Weiteren können zur Detektion von Werkzeugverschleiß Deep-Learning-Methoden in Kombination mit optischer Messtechnik eingesetzt werden. Anhand der Analyse mikroskopischer Aufnahmen verschiedener Fräswerkzeuge können automatisiert Verschleißmasken detektiert werden und die Produktivität durch einen zielgerichteten Einsatz des Fräswerkzeugzeugs gesteigert werden. Auch in CAM-Programmen finden KI-Ansätze vielfältige Anwendungsmöglichkeiten. Bei komplexen Bauteilgeometrien führt eine automatisierte Programmierung zu einer höheren Effizienz gegenüber der herkömmlichen manuellen Werkzeugbahnprogrammierung. Effizienzsteigerungen lassen sich auch in der Qualitätsvorhersage von Produkten durch ML-Algorithmen erzielen. Diese Beispiele geben nur einen kleinen Einblick in die vielfältigen Anwendungsgebiete von Künstlicher Intelligenz in der Einzel- und Kleinserienfertigung. Durch immer leistungsfähigere Algorithmen und KI-Prozesse lassen sich in Zukunft noch weitere, völlig neue Anwendungsfelder erschließen. Um diese gezielt und anforderungsgerecht in der Praxis zu etablieren und weiterzuentwickeln, sind Softwareanbieter, Unternehmen und Forschungseinrichtungen gleichermaßen gefordert, gemeinsam neue Lösungen zu entwickeln und umzusetzen.
Author(s)
Arntz, Kristian
Fraunhofer-Institut für Produktionstechnologie IPT
Brandstätter, Tobias Claus
Fraunhofer-Institut für Produktionstechnologie IPT
Dorißen, Jonas
Fraunhofer-Institut für Produktionstechnologie IPT
Frye, Maik
Fraunhofer-Institut für Produktionstechnologie IPT
Krauß, Jonathan
Fraunhofer-Institut für Produktionstechnologie IPT
Krebs, Leonie
Fraunhofer-Institut für Produktionstechnologie IPT
Holst, Carsten
Fraunhofer-Institut für Produktionstechnologie IPT
Horstkotte, Rainer
Fraunhofer-Institut für Produktionstechnologie IPT
Mende, Hendrik
Fraunhofer-Institut für Produktionstechnologie IPT
Schiller, Sven
Fraunhofer-Institut für Produktionstechnologie IPT
Stepien, Grzegorz
Fraunhofer-Institut für Produktionstechnologie IPT
Wollbrink, Moritz
Fraunhofer-Institut für Produktionstechnologie IPT
Zhen, Zhen
Fraunhofer-Institut für Produktionstechnologie IPT
Verlag
Fraunhofer IPT
Verlagsort
Aachen
DOI
10.24406/ipt-n-640931
File(s)
N-640931.pdf (2.27 MB)
Language
German
google-scholar
Fraunhofer-Institut für Produktionstechnologie IPT
Tags
  • Künstliche Intelligen...

  • KI

  • artificial intelligen...

  • AI

  • Kleinserie

  • Unikatfertigung

  • Einzelteilfertigung

  • Werkzeugbau

  • Digitalisierung

  • Industrie 4.0

  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Send Feedback
© 2022