AcousticIntelligence - KI-basiertes Geräuschmonitoring zur objektiven Qualitätssicherung in Produktionsprozessen

Um die Effizienz von Produktionsanlagen und -maschinen nachhaltig zu steigern, sind zwei wichtige Aspekte zu berücksichtigen: die Überwachung der Produktionsprozesse und des Maschinenpark-Zustandes. Durch eine kontinuierliche und zuverlässige Prozessüberwachung werden Fehler in der Produktion frühzeitig erkannt und Korrekturen können eingeleitet werden. Die Kosten für Ausschuss und Nacharbeit stellen einen wesentlichen Stellhebel zur Verbesserung des Betriebsergebnisses von Unternehmen dar. Eine Reduktion von Ausschuss steigert die Produktivität und Kosteneffizienz und schont zudem Ressourcen. Durch eine möglichst frühzeitige Prognose bevorstehender Maschinenausfälle können Wartungsarbeiten geplant und eine hohe Verfügbarkeit sichergestellt werden. Das menschliche Gehör eines erfahrenen Maschinenbedieners ist in der Lage, aus Prozessgeräuschen von Produktionsanlagen relevante akustische Informationen herauszufiltern und zu interpretieren. So werden Fehler und Abweichungen oft schnell erkannt und Gegenmaßnahmen können umgehend eingeleitet werden. Der vorliegende Beitrag zeigt Ansätze zur Objektivierung der Geräuschwahrnehmung eines erfahrenen Maschinenbedieners, um diese als Klassifizierungsinstrument in einem technischen Prozessmonitoringsystem zur Qualitätssicherung von Produktionsprozessen nutzen zu können. Um die sehr komplexe menschliche Wahrnehmung von Geräuschen nachzubilden, werden verschiedene Klassifizierungsmethoden auf Basis psychoakustischer Daten am Beispiel eines einfachen Tiefziehprozesses im Labormaßstab (Einzelhubversuche) untersucht und mit Lernverfahren des maschinellen Lernens (ML) kombiniert.