Eine Entwicklung von Fraunhofer IPA und Trumpf optimiert die Maschinenparameter beim Laserschneiden von Blechen automatisch.
Mit den Standardparametern (unten) entsteht ein sehr großer Grat, dieser reduziert sich schrittweise und erreicht nach fünf Iterationen eine ideale Qualität.
Trumpf
Das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA hat gemeinsam mit dem Maschinenbauer Trumpf eine neue KI-Lösung zur automatisierten Parametrierung von Maschinen beim Laserschneiden von Blechen vorgestellt. Das neue Verfahren basiert auf Transfer Learning und maschinellen Optimierungsalgorithmen. Hierbei nutzt die KI vorhandene Maschinendaten, kombiniert diese mit objektivierten Qualitätsparametern und lernt daraus, wie sich die optimalen Einstellungen ermitteln lassen.
Laut Philipp Wagner, wissenschaftlicher Mitarbeiter am Fraunhofer IPA, kann der Algorithmus bereits vorhandenes Wissen effizient nutzen und gleichzeitig schnell neue Parameterkonfigurationen vorschlagen, die die Produktqualität deutlich verbessern. Die Methode wurde direkt in der Fertigung bei Trumpf getestet. Dort konnte das KI-System die Maschinenparameter beim Laserschneiden von Blechen automatisiert und mit geringem Aufwand optimieren. So lassen sich Produktionskosten senken, die Produktqualität auch bei abweichenden Materialgüten steigern und die Bedienung der Maschinen vereinfachen. Außerdem verringert sich der Ausschuss.
Perspektive für andere Produktionsprozesse
Darüber hinaus bietet das System die Möglichkeit, die Schnittkantenqualität objektiv und automatisiert zu bewerten. Dies geschieht auf Basis von Bildaufnahmen und der anschließenden KI-gestützten Auswertung. Kriterien aus der Norm DIN EN ISO 9013 können dabei einbezogen werden. Perspektivisch soll sich die Lösung auch auf andere Produktionsprozesse mit hohem Variantenreichtum anwenden lassen, etwa beim Spritzgießen, der automatisierten Kabelbaummontage oder der Batteriezellenproduktion.
