Sensorik zur KI-gestützten Qualitätsüber­wachung in der Produktionstechnik

Aus der Forschung

Sensorische Werkzeugeinleger mit 13 Messstellen für das Kunststoffspritzgießen Spritzgießprobe und Kunststoffgranulat.
© Fraunhofer IST
Sensorische Werkzeugeinleger mit 13 Messstellen für das Kunststoffspritzgießen Spritzgießprobe und Kunststoffgranulat.

Um Produktionsprozesse mithilfe von KI automatisiert überwachen zu können, werden innovative Sensorsysteme benötigt, die mit möglichst hoher Daten­qualität Echtzeit-Informationen über den Produkt- und Prozesszustand liefern. Das Fraunhofer IST arbeitete im Projekt »AI-NET-ANIARA« daher an der Entwicklung innovativer Dünnschichtsensoren für automatisierte Produktionsprozesse am Anwendungsbeispiel Kunststoffspritzgießen.

Das 9. und 12. Ziel für nachhaltige Entwicklung der UN: Industrie, Innovation und Infrastruktur und verantwortungsvoller Konsum und Produktion.

Das Potenzial der Dünnschichtsensorik

Der Einsatz der am Fraunhofer IST entwickelten Dünnschichtsensoren (vgl. Abbildung unten links) in Kombination mit KI eröffnet die technologische Voraussetzung für die Umsetzung autonom gesteuerter Systeme. Menschliche Bediener werden dabei unterstützt, den Produktzustand im Produktionsprozess zu erkennen und bei Bedarf verfügbare Optionen für Optimierungs- und Kontrollmaßnahmen einzuleiten. 

Aufbau des Dünnschichtsensors 

Am Fraunhofer IST wurde ein multifunktionales Sensorschichtsystem (vgl. Abbildung oben) auf Stahleinsätze abgeschieden, die leicht in das Werkzeug integriert werden können. Die Grundschicht besteht aus einer thermoresistiven und verschleißbeständigen DLC-Schicht. Darauf wurde ein Array aus 13 Elektrodenstrukturen aus Chrom aufgebracht, das den Fließfrontverlauf entlang der Bauteilgeometrie abbildet. Es folgen zwei elektrische Isolationsschichten aus SICON®, zwischen denen die chrombasierten Leiterbahnen mittels fotolitho­grafischer Prozesse gefertigt wurden. 

Das gesamte Schichtsystem weist eine Dicke von etwa 10 µm auf. Für die Messdatenerfassung wurde ein an die Dünnschichtsensoren angepasstes Messsystem entwickelt. Zur Datenauswertung und Analyse des Produktzustands werden die Messdaten an ein Edge-Device gesendet, welches die Messdaten mittels KI-Algorithmus analysiert und die Qualität des gespritzten Bauteils über ein Farbsignal direkt an der Maschine noch vor der Öffnung des Werkzeugs anzeigt.

Schematische Darstellung des multifunktionalen Schichtsystems.
© Fraunhofer IST
Schematische Darstellung des multifunktionalen Schichtsystems.
Exemplarisches Temperaturprofil über die Bauteilgeometrie mit ausgewählten Messstellen.
© Fraunhofer IST
Exemplarisches Temperaturprofil über die Bauteilgeometrie mit ausgewählten Messstellen.

Ausblick: Einsatz des Sensorsystems in der inkrementellen Fertigung

Das entwickelte Sensorsystem wurde an der Spritzgießanlage des Instituts für Werkzeugmaschinen und Fertigungstechnik (IWF) der TU Braunschweig getestet. Ein Temperaturprofil ist exemplarisch in der Abbildung oben rechts dargestellt. Als Teilprozess der inkrementellen Fertigung wurden mithilfe der Sensorik digitalisierte und intelligente Fertigungsstrategien für eine effiziente Herstellung funktionalisierter Produkte in unterschiedlichen Stückzahlen untersucht und erreicht, dass durch die erhöhte Datenverfügbarkeit in Kombination mit dem Einsatz maschineller Lernverfahren individualisierte Produkt(-zwischen)-zustände vorhergesagt und geeignete Optimierungsstrategien abgeleitet werden können.

Das Projekt

Im Rahmen des EU-Forschungsprogramms AI-NET wird an Technologien zur Beschleunigung der digitalen Transformation in Europa geforscht. In mehreren industriegeführten Projekten werden die Technologiefelder Kommunikationsnetze und -technologien für 5G und perspektivisch 6G, nutzungsnahe Rechenzentren sowie Künstliche Intelligenz (KI) adressiert. Der Fokus des deutschen Projektkonsortiums von »AI-NET-ANIARA« lag auf den Anwendungsfeldern Sensorik und Produktionstechnologien.

Das Projekt »AI-NET-ANIARA« wurde durch das Bundes­ministerium für Bildung und Forschung gefördert (Fördernummer 16KIS1275) und ist Teil des EU-Forschungsprogramms AI-NET.

Logo des Bundesministeriums für Bildung und Forschung BMBF
© BMBF

Dieser Beitrag ist Teil des Jahresberichts 2023.

 

Jahresbericht 2023

Wir bieten Ihnen Lösungen für Ihre Anwendungen

 

Branchenlösungen

Digitalwirtschaft