Elektroniknet Logo

Fraunhofer CCIT

Sensorische Wahrnehmung als Kern von Industrie 4.0


Fortsetzung des Artikels von Teil 1

Zustandsüberwachung mittels künstlicher Intelligenz

Generell ermöglicht die Kopplung von Informations- und Kommunikationstechniken (IKT) mit Produktionsmaschinen eine Verbesserung der mechanischen Fertigung, besonders in High-Tech-Branchen wie der Luftfahrt. Hier sind die Anforderungen an Produktivität, Genauigkeit und Prozessstabilität besonders hoch. Schleichender Verschleiß führt irgendwann zum Bruch oder schon vorher zu minderwertiger Bauteilqualität. Bei komplexen Bauteilen, etwa Turbinenschaufeln, ist Materialversagen mit hohen Kosten verbunden.

Für die Fertigung solch anspruchsvoller Bauteile benötigen Fertigungsbetriebe und Maschinenbediener nach wie vor viel spezifisches Wissen und Erfahrung. Zudem muss sich der Mensch für die Überwachung und Kontrolle der Fertigungsprozesse oft nur auf seine Sinneswahrnehmung verlassen. Verschleißerscheinungen des Werkzeugs zeigen sich beispielsweise im Spektrum des Körperschallsignals.

Mithilfe von Techniken der künstlichen Intelligenz (KI) lässt sich der Zustand eines Werkzeugs verlässlich anhand des Körperschallsignals überwachen. Die KI hilft dem Maschinenbediener zu erkennen, wann das Werkzeug nicht mehr die Qualitätsanforderungen erfüllt oder ein Risiko für einen Bruch besteht. So ist es etwa möglich, das Werkzeug rechtzeitig zu wechseln.

Relevante Anbieter

Fraunhofer IWU
Intelligenter Sensor und Aktor: Das Internet ist »kognitiv«, wenn Fertigungswerkzeuge sich selbst überwachen und optimieren.
© Fraunhofer IWU

Um den Werkzeugverschleiß in Echtzeit zu überwachen, werden Sensoren nah am Werkzeug eingesetzt. Mathematische Verfahren, die in Sensordaten den Abnutzungsgrad von Werkzeugen analysieren können, sind jedoch komplex. Mithilfe von KI können Merkmale aus den Sensordaten extrahiert und ein Modell mit einer großen Menge von Daten trainiert werden. Durch die Analyse gelernter KI-Modelle lässt sich deren Funktionsweise nachverfolgen (Stichwort: Interpretable Machine Learning). Dies unterstützt die Akzeptanz ihres Einsatzes. Gleichzeitig erlaubt die Analyse von Modellen und Algorithmen, Schwachstellen aufzudecken. Diese Erkenntnisse können beispielsweise zu einer Verbesserung des Trainingsprozesses führen, sodass er mit weniger Daten auskommt und sich mit der gleichen Menge an Daten mächtigere Modelle trainieren lassen.

Die eingesetzten Methoden zur Algorithmus- und Modellanalyse sind potenziell interessant für alle Unternehmen, die auf Probleme bei der Entwicklung ihrer firmenspezifischen KI-Lösungen stoßen. Relevant sind sie vor allem für die Produktionsindustrie, besonders in High-Tech-Branchen wie der Luftfahrt, wo beispielsweise CNC-Fräsmaschinen, Drehmaschinen oder Ultrapräzisionsmaschinen verwendet werden – sowie für Lösungsanbieter selbst, etwa Maschinen- oder Sensorhersteller.


  1. Sensorische Wahrnehmung als Kern von Industrie 4.0
  2. Zustandsüberwachung mittels künstlicher Intelligenz

Verwandte Artikel

Fraunhofer Academy