Künstliche Intelligenz für die Blechumformung

×

Im Rahmen der Forschungsinitiative "Mittelstand 4.0 Kompetenzzentrum" haben Wissenschaftler am Werkzeugmaschinenlabor der RWTH Aachen einen portablen Demonstrator entwickelt, der die Vision von Industrie 4.0 für die Blechumformung greifbar macht. Der Demonstrator besteht aus drei Bausteinen: einem Prüfstand zur Simulation feinschneidtypischer Phänomene, einer Grafikprozessor-basierten Recheneinheit zur zentralen Verarbeitung von Messdaten und einer drahtlosen grafischen Benutzeroberfläche zur dezentralen Visualisierung von Messdaten. Am Beispiel des Feinschneidens wollen die Forscher aufzeigen, wie durch Verschmelzung von Fertigungs- und Informationstechnik implizites Prozesswissen sichtbar gemacht und für eine optimierte Prozessführung genutzt werden kann.

Beim Zerteilen eines zu trennenden Materials wird es so lange plastisch verformt, bis der Werkstoff bricht. Dies geschieht auf unterschiedliche Weise. In "Blechumformung" unterscheiden die Springer-Autoren zwischen Scherschneiden, Messerschneiden, Beißschneiden, Spalten, Reißen und Brechen, wobei das Scherschneiden (Normalschneiden) die größte industrielle Bedeutung in der Blechverarbeitung habe. Das Fertigungsverfahren Feinschneiden ist nach DIN 8588 eine erweiterte Form des Scherschneidens. "In der Praxis finden sich verschiedene Bezeichnungen für das Feinschneiden wie Genauschneiden oder Feinstanzen. Mit dem Feinschneiden können aufgrund spezieller verfahrenskennzeichnender Merkmale Schnittteile erzeugt werden, deren Schnittflächen über die gesamte Blechdicke vollkommen glatt sind." (Seite 241)

Schnittschlagsimulator

Mit ihrem Demonstrator können die Aachener Forscher nun den Blechtrennungsprozess simulieren, ohne ihn in der Realität auszuführen. Dies geschieht mithilfe eines Schnittschlagsimulators, der in Intervallen auf einen Blechstreifen schlägt und dadurch einen mechanischen Impuls (Schnittschlag) wie auch ein akustisches Signal (Schnittklang) erzeugt. Über entsprechende Sensoren werden Schnittschlag und Schnittklang erfasst und drahtlos an eine Recheneinheit übermittelt. Zusätzlich werden ausgewählte Werkstoffeigenschaften des Blechstreifens erfasst und mit dem Schnittschlag und -klang korreliert. Mithilfe von Algorithmen aus dem Bereich der künstlichen Intelligenz ist es dann in dieser Anordnung möglich, auf Prozessanomalien in Echtzeit reagieren zu können.

Echtzeit-Datenanalyse mithilfe von künstlichen neuronalen Netzen

Kernstück des Demonstrators ist die zentrale Grafikprozessor-basierte Recheneinheit. Ein künstliches neuronales Netz korreliert dort Werkstoffeigenschaften, Prozessparameter und die

perzeptiven Messgrößen Schnittschlag und -klang. Ähnlich wie uns jüngst die Siege des Google-Computers AlphaGo über die weltbesten Go-Spieler eindrucksvoll vor Augen hielten, dass künstliche Intelligenz dazu in der Lage ist, bislang vom Menschen unentdeckte Spielzüge dieses Jahrtausende alten Brettspiels zu finden, verfolgen die Aachener Forscher das Ziel, mit künstlichen neuronalen Netzen anhand von Schnittschlag und -klang implizite Prozesszusammenhänge sichtbar zu machen. Auf diese Weise werde eine bisweilen unbekannte Prozessoptimierung ermöglicht, heißt es in einer Mitteilung der RWTH Aachen.