Für jedes Auto werden rund 5.000 Schweißnähte benötigt.

Für jedes Auto werden rund 5.000 Schweißnähte benötigt. Dafür kommen 900 Roboter zum Einsatz. (Bild: jeson - stock.adobe.com)

Im Werk Neckarsulm montiert Audi jeden Tag bis zu 1.000 Fahrzeuge. Für jedes Auto werden rund 5.000 Schweißnähte benötigt: Das sind immerhin gut fünf Millionen Schweißnähte pro Tag. Dafür kommen 900 Roboter mit Schweißpistolen für das Punktschweißen von Metallteilen zum Einsatz.

Bisher erfolgte die Qualitätskontrolle der Schweißnähte durch Stichproben: Pro Tag wird dafür ein Fahrzeug von mehreren Ingenieuren genau untersucht, alle Schweißpunkte geprüft und deren Qualität dokumentiert. Der Prozess ist aufwendig und eigentlich wünscht man sich bei Audi, sämtliche Schweißnähte an allen Fahrzeugen mit einem hohen Maß an Genauigkeit zu prüfen. Das geht allerdings nur ohne manuellen Inline-Inspektionsprozess. Deshalb entschied man sich für eine Automatisierung auf Basis von Machine Learning.

Qualitätsanalysen nutzen Controller-Daten in der Edge

In einem Proof of Concept mit Intel wurden dann die Algorithmen für Streaming-Analysen auf Basis des Softwarepakets Intel Edge Insights für die Industrie entwickelt. Die Lösung zieht Daten aus den Controllern der Schweißpistolen und analysiert sie am Netzwerkrand: Dem Edge. Die Intel-Spezialisten trainierten das Modell, indem sie dessen Prognosen mit den realen Inspektionsdaten verglichen. Dazu gehören unter anderem der Verlauf von elektrischer Spannung und Strom beim Schweißen, die Konfiguration der Schweißnähte, die Metallarten und der Zustand der Elektroden.

Die Erfahrungswerte zeigen, in welcher Parameterkonstellation das Schweißergebnis perfekt ist – und wann Qualitätsprobleme drohen. Erkennt das System eine fehlerhafte Schweißnaht, informiert es die Audi-Techniker. Zudem schlägt es Konfigurationsänderungen vor, durch die sich Fehler minimiert oder sogar ganz beseitigen lassen können. Die Qualitätsinformationen werden über ein Dashboard übersichtlich visualisiert.

 

Plattform eignet sich für unterschiedliche Anwendungsszenarien

Doch es soll nicht bei einem einzigen Use Case bleiben, schließlich gibt es viel Potenzial für weitere Automatisierungsschritte in der Qualitätssicherung. „Diese Lösung ist wie eine Blaupause für zukünftige Lösungen. Es gibt viele Technologien in unserem Werk – mit diesem Modell können wir Qualitätskontrolllösungen für diese anderen Technologien erstellen, damit wir uns nicht auf manuelle Prüfungen verlassen müssen“, sagt Henning Löser, Senior Manager im Audi Production Lab.

Die Plattformlösung eignet sich zum Beispiel für das Nieten, Kleben oder Lackieren, wo ebenfalls Roboter und Controller zum Einsatz kommen. Weil die Daten direkt am Edge analysiert werden, lassen sich deutlich mehr Informationen in hoher Geschwindigkeit verarbeiten. So lassen sich viele Korrelationen, Kausalitäten und andere interessante Analysen betrachten, teilweise ergeben sich auch neue Erkenntnisse, die vorab gar nicht antizipiert wurden.

Erste Ergebnisse bewerten die Audi-Spezialisten sehr positiv. So verzeichnete das Werk Neckarsulm bereits eine Reduzierung der Arbeitskosten um 30 bis 50 Prozent. Zugleich lassen sich menschliche Fehler durch die datengesteuerte Plattformlösung reduzieren. Weil transparenter ist, wo Probleme mit Schweißrobotern häufiger auftreten, kann der OEM zudem proaktiv die nötigen Maßnahmen ergreifen.

Case Study: Hier lesen Sie die ganze Story!

Kostenlose Registrierung

Bleiben Sie stets zu allen wichtigen Themen und Trends informiert.
Das Passwort muss mindestens acht Zeichen lang sein.
*

Ich habe die AGB, die Hinweise zum Widerrufsrecht und zum Datenschutz gelesen und akzeptiere diese.

*) Pflichtfeld

Sie sind bereits registriert?

Dieser Beitrag wird präsentiert von: