Mit Remanufacturing lässt sich die Lebensdauer von Fahrzeugkomponenten verlängern. Das Fraunhofer IPK entwickelt ein KI-basiertes Assistenzsystem für die teil-automatisierte bildbasierte Identifikation von Altteilen.
Zustandsvarianz: zwei Anlasser mit identischer Teilenummer unterscheiden sich optisch durch Abnutzungsspuren.
Fraunhofer IPK / Larissa Klassen
Im Projekt Eiba verfolgen Forscher des Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik (IPK) das Ziel, eine Kreislaufwirtschaft für Fahrzeugkomponenten zu etablieren. Mittels Remanufacturing werden gebrauchte Teile an den Neuzustand angeglichen und können anschließend wiederverwertet werden. Damit verlängert sich die Lebensdauer der Produkte und führt so zu reduziertem Abfallaufkommen und einem sinkenden CO2-Fußabdruck.
Die Identifikation und Bewertung der Fahrzeugbauteilen wird derzeit noch manuell von Fachleuten vorgenommen. "Dies ist jedoch alles andere als trivial. Teilenummern als das einzige optisch zuverlässige Merkmal sind nicht mehr lesbar, zerkratzt, überlackiert, oder Typenschilder sind abgefallen", sagt Marian Schlüter, Wissenschaftler am Fraunhofer IPK. Das KI-basierte Assistenzsystem des Fraunhofer IPK soll die Mitarbeiter künftig beim Verlesen, also dem Erkennen und Beurteilen von defekten Verschleißteilen wie Anlasser, Klimakompressoren und Lichtmaschinen unterstützen.
KI-System unterstützt Identifikation von Bauteilen
Bei der bildbasierten Verarbeitung scannt das System die Verpackung, um Informationen über die Produktgruppe zu erhalten. Durch die Zerlegung in Teilprobleme reduziert dieser Ansatz den Suchraum für die Identifikation von 1:120.000 auf 1:5.000. Anschließend wird das Altteil gewogen und von 3-D-Stereokameras aufgenommen. Die Ergebnisse werden mit der Analyse der teilspezifischen Geschäftsdaten wie Herkunft, Datum und Ort kombiniert, um eine zuverlässige Identifikation zu erhalten. Verarbeitet werden die Informationen parallel von zwei KI-Systemen und später fusioniert, um eine zuverlässige, gesamtheitliche Identifikation des Altteils zu erhalten. Der Arbeitsvorgang wird hierbei nicht gestört, die Mitarbeiter bekommen das Ergebnis der Identifikation mitsamt einer Vorschlagsliste samt Vorschaubild und Teilenummer angezeigt.
Laut einer Studie im Projekt beträgt die Wiedererkennungsgenauigkeit des Systems 98,9 %. Damit könnten deutlich mehr Altteile als zuvor dem Kreislauf zugeführt werden. Projektpartner sind die Circular Economy Solutions GmbH, die Technische Universität Berlin und die Deutsche Akademie der Technikwissenschaften acatech.