Zwei Jahre lang wird der Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement am Werkzeugmaschinenlabor WZL der RWTH Aachen auf neuronalen Netzen basierende Algorithmen für die automatisierte Qualitätsvorhersage und Fehler-Ursachen-Analyse in der Produktion entwickeln. Ziel ist die Reduktion von Prüfaufwänden und der Aufbau von Prozesswissen.
Moderne Maschinensteuerungen liefern viele Daten über den ablaufenden Fertigungsprozess. Eine spezialisierte Auswertung der Daten ermöglicht einen tiefgehenden Einblick in den Fertigungsprozess: Nützliche Informationen und Optimierungspotenziale können extrahiert und der Prüfaufwand reduziert werden. Die Produktqualität lässt sich mit mathematischen Modellen aus den Prozessdaten wie z.B. Drücken, Temperaturen oder Strömen vorhersagen.
Diese Modelle von Hand zu erstellen ist zeitintensiv und erfordert großes Expertenwissen. Neue Entwicklungen im Bereich Data Science machen es möglich, die Modelle aus den Prozessdaten automatisiert zu ermitteln. Hierfür werden Machine-Learning-Verfahren wie neuronale Netze eingesetzt. Sie lernen aus einer Datenbasis und können für die Vorhersage der Produktqualität und zur Fehler-Ursachen-Analyse eingesetzt werden.
In KMU fehlen oft das erforderliche Wissen und die notwendigen Ressourcen, um solche Verfahren erfolgreich einzusetzen. Um ihnen die automatisierte Vorhersage der Produktqualität zugänglich zu machen, will oraKel eine App entwickeln, die es ermöglicht, eine Qualitätsvorhersage effizient und ohne tiefgehendes Expertenwissen über neuronale Netze einzusetzen. Darüber hinaus wird das Wissen aus den neuronalen Netzen extrahiert und für die Fehleranalyse und Prozessoptimierung aufbereitet.
Als Voraussetzung für die App wird eine Datengrundlage aus Prozessdaten und Prüfergebnissen benötigt. Zur Erstellung dieser Datengrundlage werden die Prozessdaten aufgezeichnet und mit den Ergebnissen der physischen Qualitätsprüfung in einer Datenbank abgelegt. Ein Leitfaden zur Datenaufzeichnung wird den Unternehmen zur Verfügung gestellt.
Gefördert wird das Projekt durch die AiF, konkret der FQS Forschungsgemeinschaft Qualität e. V. Ein projektbegleitender Ausschuss aus Industriepartnern aus dem Bereich der Beratung, der Bereitstellung von CAQ-Software sowie der Produktion unterstützt die Forschung. Bei ihnen wird ein Prototyp der App implementiert, erprobt zu größtmöglicher Ergonomie entwickelt.