Prozessüberwachung, Datenanalyse und künstliche Intelligenz ziehen in Werkzeugmaschinen ein. - (Bild: Emag)
Die Wartung und der rechtzeitige Tausch von defekten Bauteilen in Werkzeugmaschinen ist ein wichtiger Bestandteil des Produktionsprozesses im mMaschinenbau. Bei Kugelgewindetrieben, wie sie etwa in Drehmaschinen zur Präzisionsführung bei der Herstellung von zylindrischen Bauteilen zum Einsatz kommen, wird der Verschleiß bislang manuell festgestellt.
"Die Wartung ist deshalb mit Montagearbeiten verbunden. Die Maschine steht dann erst einmal still", sagt Professor Jürgen Fleischer vom Institut für Produktionstechnik (wbk) des Karlsruher Instituts für Technologie (KIT). "Unser Ansatz basiert dagegen auf der Integration eines intelligenten Kamerasystems direkt in den Kugelgewindetrieb." So kann der Anwender den Zustand der Spindel kontinuierlich überwachen. Besteht Handlungsbedarf, wird er automatisch informiert.
Das neue System besteht aus einer an der Mutter des Kugelgewindetriebes angebrachten Kamera mit Beleuchtung, die mit künstlicher Intelligenz zur Auswertung der Bilddaten kombiniert ist. Während der Bewegung der Mutter auf der Spindel macht sie von jedem Spindelabschnitt Einzelaufnahmen. Dadurch wird jeweils die gesamte Oberfläche der Spindel analysiert.
Künstliche Intelligenz - verständlich erklärt
Ob in der Industrie oder im privaten Umfeld - Künstliche Intelligenz ist in aller Munde. Doch was bedeutet Künstliche Intelligenz. Wir beantworten in diesem Artikel die wichtigsten Fragen zu diesem Thema.
Was kann das KI-System alles erkennen?
Die Kombination von Bilddaten aus dem laufenden Betrieb mit Methoden des Maschinellen Lernens ermöglicht den Anwendern des Systems eine direkte Bewertung des Zustands der Spindeloberfläche. "Wir haben unseren Algorithmus mit Tausenden Aufnahmen trainiert, sodass er nun souverän zwischen Spindeln mit Defekt und solchen ohne unterscheiden kann", so Tobias Schlagenhauf (wbk), der an der Entwicklung des Systems mitgearbeitet hat. "Durch eine weitere Auswertung der Bilddaten lässt sich der Verschleiß außerdem genau quantifizieren und interpretieren. So können wir unterscheiden, ob es sich bei einer Verfärbung einfach nur um Schmutz oder aber um schädlichen Lochfraß handelt."
Beim Training der KI wurden alle denkbaren Formen einer visuell sichtbaren Degeneration berücksichtigt und die Funktionalität des Algorithmus mit neuen, vom Modell noch nie gesehenen Bilddaten validiert. Der Algorithmus eignet sich für alle Anwendungsfälle, bei denen bildbasiert Defekte auf der Oberfläche einer Spindel identifiziert werden sollen und lässt sich auch auf andere Anwendungsfälle übertragen.
