Die automatische Fertigung erfordert zunehmend komplexe, durchgängig gestaltete Systeme, welche eine Prozessoptimierung ebenso wie eine Prozessstabilität gewährleisten.

Das Ziel des Projekts war es, die Fertigungsqualität von hochpräzisen Bauteilen zu sichern.

Über die Hauptkomponenten Datenerhebung, Datenanalyse und Optimierung soll die KI-Lösung zukünftig schon im Fertigungsprozess die letztliche Qualität prognostizieren und im Bedarfsfall während der Fertigung Prozessparameter folgender Schritte noch anpassen können.

Dabei kamen maschinelle Lernverfahren aus dem Bereich des überwachten Lernens zum Einsatz, um Verknüpfungen zwischen Qualität und Prozessparametern automatisiert zu erkennen. Prozessdaten von Bauteilen wie beispielsweise geometrische Abmessungen, Oberflächenbeschaffenheiten oder Kraftmomente werden entlang der Herstellung erhoben und mit eindeutiger Bauteilzuordnung zusammen aufgezeichnet und abgeglichen.

Das System benötigt zum Trainieren seiner Algorithmen ausreichende Datensätze des gesamte Fertigungsprozesses sowie definierte Werte zur Qualität, um diese abgleichen zu können, Vorhersagen zu treffen sowie nachfolgende Anpassungen während der Fertigung für Prozessparameter vornehmen zu können. So wurde die Prozessfähigkeit wie auch die kritischen Prozessfähigkeiten mittels statistischer Verfahren definiert.

Errechnete Prozessanpassungen können noch im selben Fertigungsdurchlauf integriert werden, sodass deutlich weniger mangelhafte Produkte produziert werden.

Die gezielte Aufteilung der Prozess- und Qualitätsdaten und Verfahren zur Qualitätsprognose und -verbesserung auf Smart Devices und übergeordnete Systeme wird als informationstechnische Neuheit propagiert.

• Plattform Lernende Systeme. (o. D.). Qualitätssicherung in Fertigungsanlagen.
• Hochschule Mittweida. (2021). Nutzung und Potenziale von Instandhaltungsmanagementsystemen für die Optimierung automatisierter Produktionsprozesse. Brenner. C.