Wie passen Künstliche Intelligenz (KI) und Zerspanung zusammen? Sehr gut, denn KI hilft, anspruchsvolle Drehteile effektiver herzustellen und präziser zu bearbeiten.

 EZU-Metallwaren hat vor knapp zwei Jahren eine von 22 Drehmaschinen auf einen 24-Stunden-Betrieb mit Künstlicher Intelligenz umgerüstet

16:9

Smart Factory

Energieeffizienz

Industrie 4.0 für die spanende Fertigung

Industrie 4.0

Machine Learning / Künstliche Intelligenz für die spanende Fertigung

Künstliche Intelligenz in der Drehteile-Industrie

‘KIstle’: KI-Demonstrator für den Hörsaal

Mit dem KIstle wird Studierenden, angepasst an die Dauer einer Vorlesung, das komplette Vorgehen bei der Überwachung eines Kugellagers vermittelt

KI aus der Kiste

Fanuc bringt zur EMO neue Softwaretools für das Smart Machining auf den Markt. Zudem gibt es im Maschinensektor unter anderem eine neue ultrapräzise Drehmaschine.

1 Die Fanuc-Bedieneinheit Panel iH Pro hat neue Prozessoren  erhalten

CNC-Softwaretools – Industrie 4.0 W Drehmaschinen – Bearbeitungszentren – Roboterautomation

5-Achs-Bearbeitungszentren

Werkzeugmaschinen für die spanende Fertigung

Bearbeitungszentren

Fahrzeugbau

Roboter für Werkzeugmaschinen

Automatisierungstechnik

Handling, Handhabungstechnik

Fahrzeugbau-Zulieferer

Feinmechanik

Elektrotechnik, Elektronik

Medizintechnische Apparate und Materialien

5-Achs-Simultanbearbeitung

Spanende Verfahren

Softwaretools für die Zerspanung

Software

Luft- und Raumfahrt

Steuerungen / CNC für Werkzeugmaschinen

Steuerungen (Hardware und Software)

Ultrapräzisionsdrehmaschinen

Drehmaschinen

Künstliche Intelligenz gepaart mit Automation

Fastems präsentiert das MMS-Modul ›WCO‹ zur Einbindung von Einzelmaschinen und manuellen Produktionsaufgaben in einen automatisierten Fertigungsprozess.

1 Das Modul WCO (Work Cell Operations) als Ergänzung zur MMS von Fastems ermöglicht es nun, sämtliche manuelle Fertigungsaufgaben, Arbeitszellen und Stand-Alone-Maschinen in die Planung, Steuerung und Überwachung mit einzubeziehen

Flexible Fertigungssysteme

Virtual Machining für die spanende Fertigung

Vernetzung / Cloudlösung für die spanende Fertigung

Apps für die Zerspanung

ERP diskrete Fertigung, PPS / APS

ERP-Systeme

Fertigungsautomation

Prozessautomation

Digitalisierung nicht-automatisierter Prozesse

Das Service-Meister Konsortium kündigt an, zum Jahresende seine 2020 entwickelte Plattform-Architektur vorzustellen. Damit liegt das Projekt zur Entwicklung eines Service-Ökosystems auf Basis Künstlicher Intelligenz (KI) im Zeitplan. Service-Meister entwickelt Innovationen mittels KI, die ab 2022 die Serviceprozesse kleiner und mittlerer Unternehmen verbessern sollen.

Mit KI Kundenprozesse optimieren

Machine Learning für die Qualitätssicherung

Industrie 4.0 für die Qualitätssicherung

Service-Meister stellt Plattform-Architektur vor

Anlässlich des Digitalgipfels der Bundesregierung und der dort vorgestellten Normungs-Roadmap für Künstliche Intelligenz gibt Prof. Claus Oetter, Geschäftsführer VDMA Software und Digitalisierung und Leiter der Abteilung Informatik, ein Statement.

Künstliche Intelligenz für die Qualitätssicherung

VDMA: keine Überregulierung von KI

Fraunhofer IAIS und Bundesamt für Sicherheit in der Informationstechnik BSI starten strategische Kooperation zur Entwicklung von Prüfverfahren für die Zertifizierung von Systemen der Künstlichen Intelligenz.

Im Beisein von NRW-Digitalminister Prof. Dr. Andreas Pinkwart (Mitte) haben BSI-Präsident Arne Schönbohm (rechts) und Prof. Dr. Stefan Wrobel, Leiter des Fraunhofer IAIS, eine Kooperationsvereinbarung unterzeichnet

Künstliche Intelligenz sicher und vertrauenswürdig gestalten

Bei der Entwicklung von Künstlicher Intelligenz (KI) spielen Startup-Firmen als Kooperationspartner eine immer größere Rolle. In einer Analyse der vergangenen zehn Jahre hat der VDMA zusammen mit dem Datenspezialisten delphai insgesamt 825 Startups in 46 Ländern identifiziert, die KI-Lösungen für den Maschinen- und Anlagenbau anbieten.

Erfolgsfaktor Künstliche Intelligenz

Seit Juni 2021 läuft ein ministeriell gefördertes Forschungsprojekt, das die Möglichkeiten des Transfer Learnings in der Zerspanung ausloten und industriell nutzbar machen soll. Eine Zwischenbilanz.

Beim Transfer Learning wird Wissen aus verwandten, bereits erlernten Aufgaben genutzt, um ML-Modelle schneller für neue Aufgaben beziehungsweise Anwendungsfälle trainieren zu können

Schneidstoffe für Präzisionswerkzeuge

Präzisionswerkzeuge

Forschungsprojekt zur Produktion von morgen

Um Probleme in der Fertigung schnell zu erkennen und die Qualität zu sichern, bündelt c-Com alle verfügbaren Daten rund um Maschine, Werkzeug und Werkstück für eine Analyse mit Künstlicher Intelligenz (KI). Das Modul Machining Analytics Solutions (MAS) begleitet den Produktionsprozess mit einem digitalen Zwilling und ist besonders für Verzahnungswerkzeuge interessant.

Die c-Com-Software unterstützt die Produktionsmitarbeiter bei ihrer täglichen Arbeit und sorgt durch wertvolle Informationen für eine höhere Produktivität

Toolmanagement

Verzahnwerkzeuge

Digitaler Zwilling

Simulation

Auch der digitale Zwilling zeigt Zähne

Unter dem Motto ‘Ihre Vision – unsere Lösungen. Zukunft erleben mit Mazak!’ werden den AMB-Besuchern sechs Maschinen und sieben Fokusthemen live präsentiert.

 Das neue vertikale Bearbeitungszentrum ‘VCN-700’ bietet eine leistungsstarke dynamische Fräslösung

Fräsdreh-Zentren

Fräsmaschinen

Komplettbearbeitung

Komplettbearbeitungsmaschinen

Messe AMB

werkstatt-betrieb.de

Drehzentren

Fit für die Zukunft

Bundesweites Experten-Netzwerk unterstützt kostenfrei den Wissenstransfer in Unternehmen

In Kaiserslautern wird an 5G-Anwendungen geforscht

ProKI-InfoPoint in Darmstadt ins Leben gerufen: Bundesweites Experten-Netzwerk unterstützt kostenfrei den KI-Wissenstransfer in Unternehmen. Erfahren Sie hier mehr

Wissensmanagement

Wirtschaft

Strategie und Organisation

WGP hilft beim Implementieren von KI-Technologien

Eine neue, KI-basierende Technologie des Fraunhofer-Clusters CCIT macht das Hartfeinbearbeiten von Zahnrädern effizienter.

Sensorisch ermittelte Schallwellenamplituden geben bei diesem System in Echtzeit Auskunft über die Qualität der Wälzschleifschleifscheibe. Danach werden die Prozessparameter geregelt 

20:7

Lehrstühle und Institute

Dienstleistungen

Hochschulen

Schleifwerkzeuge

 Zahn um Zahn hoch intelligent

Der digitale Zwilling kann wesentlich dazu beitragen, Produktionsprozesse und Bauteile zu optimieren und die Wirtschaftlichkeit der Fertigung zu erhöhen. Bei der Erzeugung eines vollständigen digitalen Zwillings erschweren rechenintensive Simulationsmodelle dessen Einsatz in der industriellen Praxis. Mit dem Forschungsprojekt ‘Quasim’ verfolgen das Fraunhofer-Institut für Produktionstechnologie IPT aus Aachen und ihre Konsortialpartner das Ziel, Fertigungssimulationen mithilfe des Quantencomputings praxisgerechter zu gestalten.

Der ‘IBM Quantum System One’ steht am Fraunhofer IAF in Ehningen. Es ist der bisher leistungsfähigste Quantencomputer in Europa

Mit Quantencomputing zum vollständigen digitalen Zwilling

Die Index-Werke laden vom 26. bis 29. April 2022 zum Open House und Expertendialog. Besucher erleben zahlreiche Maschinen live in Aktion, darunter das neue Drehfräszentrum ‘Index G220’, diverse Automationslösungen und viel Neues zur digitalen Index-Welt ‘iXworld’.

Das neue Drehfräszentrum Index G220 bietet zwei Werkzeugrevolver und eine kräftige Motorfrässpindel. Das Werkstückhandling kann neben einem Portallader mit Doppelgreifer (Bild) auch über die Roboterzelle iXcenter erfolgen

Drehen

Drehfräs-Zentren

Mehrspindel-Drehmaschinen

Mehrspindelbearbeitung

Drehautomaten

Stangenlademagazine

In Reichenbach ‘dreht’  sich alles um Zerspanung

Künstliche Intelligenz im Regelkreis: Wechselseitiges Feedback zwischen Mensch und Maschine verbessert Qualität und Effizienz in der Produktion

Neue Regelkreise ermöglichen wechselseitiges Lernen zwischen Mensch und Maschine, sodass sich Qualität und Effizienz von Produktionsprozessen deutlich verbessern können.

Der Einsatz künstlicher Intelligenz (KI) in der Produktion gleicht heute oft einer Einbahnstraße: Zwar können maschinelles Lernen und intelligente Algorithmen Fertigungsprozesse bereits deutlich verbessern, doch fehlt es meist an einer Rückkopplung zwischen dem lernenden KI-System und den Nutzenden, die über die reine Bewertung der errechneten Lösungen hinausgeht. Im BMBF-geförderten Forschungsprojekt »GeMeKI« entwickelt das Fraunhofer-Institut für Produktiontechnologie IPT aus Aachen gemeinsam mit elf Partnern drei KI-gestützte Assistenzsysteme für das Fügen, Trennen und Umformen, die komplexes menschliches Expertenwissen in ihre laufende Verbesserung einbeziehen. Neue Regelkreise ermöglichen wechselseitiges Lernen zwischen Mensch und Maschine, sodass sich Qualität und Effizienz von Produktionsprozessen deutlich verbessern können.

Spielte menschliches Wissen bislang hauptsächlich als Datenquelle beim Anlernen künstlicher Intelligenz eine wichtige Rolle, gehen die Aachener Forscherinnen und Forscher nun im Projekt »GeMeKI – Generalisierung von menschzentrierten KI-Applikationen für die Produktionsoptimierung« einen Schritt weiter: Gemeinsam mit namhaften Industriepartnern entwickeln sie zu drei ausgewählten Fertigungsverfahren die Komponenten für ein bedienerfreundliches Expertensystem, das den Menschen und nicht die Softwareanwendung in den Mittelpunkt stellt. Ziel ist es, die Mensch-Maschine-Interaktion in beide Richtungen zu verbessern und auf diese Weise auch die Akzeptanz digitaler Assistenzsysteme im betrieblichen Alltag zu steigern. Als Ergebnis des Forschungsprojekts entsteht ein Gesamtsystem aus KI, Sensorik und Produktionstechnik, das sich – im Gegensatz zu den bisher häufig eingesetzten Insellösungen – nahtlos in die Wertschöpfungskette einfügen kann und sich an beliebige weitere Anwendungsfelder anpassen lässt.

Mensch-Maschine-Interaktion über vielfältige Schnittstellen stärkt die KI-Modelle

Für die Nutzerinnen und Nutzer gibt es in diesem System stets mehrere Schnittstellen zur Interaktion: An die Stelle des gängigen unidirektionalen Ablaufs, bei dem der Mensch die gefundenen Lösungswege der KI bewertet, selbst aber kein Feedback erhält, soll hier ein dynamischer, bidirektionaler Prozess treten. Das bedeutet, dass die Nutzenden in der Anwendung der gefundenen Lösungen aktiver als bisher in das Geschehen eingreifen, selbstständig korrigieren können und mithilfe von Sensorik neue, verbesserte Rohdaten erzeugen, die die KI-Modelle mit weiteren Informationen anreichern. Wie dies genau funktionieren kann, erproben die Aachener Wissenschaftlerinnen und Wissenschaftler anhand von drei Beispielprozessen, die in produzierenden Unternehmen immer wieder eingesetzt werden: dem Trennen, dem Fügen und dem Umformen.

Verlässliche Informationen über den Zerspanprozess steigern Verfügbarkeit und Performance

Das Einrichten von Maschinen zur Hochleistungszerspanung ist regelmäßig mit hohem Zeitaufwand verbunden: Bis zu vier Monaten dauert der Produktionsanlauf für komplexe Bauteile mit Genauigkeiten im Mikrometerbereich. Mit dem Ziel, den Ramp-up-Prozess zu verkürzen, arbeiten der Anlagenhersteller Starrag Technology GmbH, die Weiss Spindeltechnologie GmbH, die Siemens AG und das WZL der RWTH Aachen an einem bedienerfreundlichen Expertensystem, das während der Bearbeitung anhand integrierter Sensorik die Belastung und den Zustand der Werkzeugspindel überwacht. Die gewonnenen Daten werden nahezu in Echtzeit durch Algorithmen des maschinellen Lernens weiterverarbeitet und Anwenderinnen und Anwendern direkt an der Maschine leicht verständlich visualisiert. So kann das System ihnen verlässliche Informationen und Vorschläge unterbreiten, die die Verfügbarkeit und Performance der Prozesse verbessern und auf diese Weise dabei helfen, die Zeit bis zum Produktionsanlauf um bis zu 20 Prozent zu verkürzen.

Geteiltes Expertenwissen zur Beurteilung von Klebeprozessen senkt Ausschuss

Beim Fügen elektrischer Bauteile zu einem Gesamtsystem werden oft Klebeprozesse eingesetzt. Hier kommt es auf die richtige Dosierung des Klebstoffs an, aber auch auf Umgebungsfaktoren wie Temperatur, Luftfeuchtigkeit und Materialeigenschaften. Im Projekt »GeMeKI« erprobt die Miele & Cie. KG gemeinsam mit der Xenon Automatisierungstechnik GmbH und dem Werkzeugmaschinenlabor WZL der RWTH Aachen, wie sich die Fertigung kleiner Elektromotoren durch KI-Einsatz verbessern lässt. Dazu greift das Assistenzsystem auf Expertenwissen von Mitarbeiterinnen und Mitarbeitern zurück. Denn diese sind aufgrund langjähriger Erfahrung in der Lage, die Beschaffenheit der Kleberaupen an Rotor, Kugellager und Stator mit dem Klebeprozess intuitiv zu beurteilen. Die KI leitet aus diesen Rückmeldungen selbstständig Regeln ab, anhand derer später auch weniger erfahrene Arbeitskräfte befähigt werden können, zutreffende Urteile über die Qualität der verklebten Bauteile zu fällen. Zusätzlich lassen sich auch nachgelagerte und stichprobenhafte zerstörende Prüfprozesse einsparen und Ausschuss um bis zu zehn Prozent senken.

KI und Augmented Reality verbessern die vorausschauende Wartung in der Kaltumformung

Auch effiziente Kaltumformprozesse, beispielsweise in der Automobilindustrie oder der Luftfahrtbranche, erfordern gute Fachkenntnisse der Maschinenbedienenden. Den Verschleiß komplexer Folgeverbund- und Transferwerkzeuge erkennen langjährige Expertinnen und Experten nicht selten intuitiv oder anhand der Geräusche, die sich im Einsatz der Werkzeuge mit der Zeit verändern. Der Werkzeughersteller Franz Pauli GmbH & Co. KG, die Meastream GmbH und das Fraunhofer IPT gehen im Projekt »GeMeKI« der Frage nach, wie sich eine vorausschauende Werkzeugwartung und die Einhaltung von Qualitätsstandards durch den Einsatz von KI und Augmented Reality (AR) verbessern lassen. Mittels des AR-Systems können Werkerinnen und Werker fehlerhafte Bauteilstellen markieren. Diese Fehlerdaten fließen in das KI-System zurück und bereichern die Lerngrundlage der KI. Unterstützt wird das System durch eine Laserbeschriftungseinheit, die in das Werkzeug integriert wird. Anhand einer eindeutigen Lasercodierung lassen sich die gefertigten Werkstücke durch das KI-System identifizieren. So kann das System aus der vollständigen Datenbasis des Fertigungsprozesses Zusammenhänge zwischen Werkstückqualität, Prozessführung und Werkzeugzustand ableiten. Den Werkerinnen und Werkern helfen die Informationen bei der Dokumentation und bei der Prozessdiagnose zur Verringerung von Ausschuss und ungeplanten Wartungsarbeiten. So könnten sich in Zukunft in der Auftragsfertigung zwischen fünf und zehn Prozent der Fertigungskosten einsparen lassen.

Künstliche Intelligenz und menschliche Expertise auch für weitere Einsatzgebiete nutzbar machen

Die drei Beispielanwendungen dienen den Forschungspartnern dazu, Standards für die Entwicklung und Einführung von KI-basierten Expertensystemen in der Produktion zu setzen. In allen drei Fällen wird deshalb auch die Übertragbarkeit der erarbeiteten Lösungen auf andere Anwendungsfelder berücksichtigt. Ziel des Projektkonsortiums ist es, die Anlernzeit der KI durch eine stärker menschenzentrierte Entwicklung von KI-Werkzeugen und die Einbindung von Augmented Reality um bis zu zwanzig Prozent zu verkürzen. Ihre Einführung in Unternehmen, die heute einige Wochen bis zu mehreren Monaten dauert, soll sich durch die menschenzentrierten, digitalen Einführungs- und Begleitkonzepte um bis zu 25 Prozent verkürzen.

Die Projektpartner Aixbrain GmbH, MT Analytics GmbH und Youse GmbH unterstützen darüber hinaus bei der Entwicklung passender Dienstleistungen und der Implementierung der KI-Systeme in den beteiligten Unternehmen. So steht am Ende des Projekts neben neuem Grundlagenwissen über die Regelkreise der Mensch-Maschine-Interaktion und den Einsatz Künstlicher Intelligenz ein Gesamtpaket aus drei Best Practices zur Verfügung, deren Konzepte sich leicht an weitere Anwendungsfälle und Fertigungsszenarien anpassen lassen.

Das Forschungsprojekt »GeMeKI – Generalisierung von menschzentrierten KI-Applikationen für die Produktionsoptimierung« wird vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Forschungsprogramms »Innovationen für die Produktion, Dienstleistung und Arbeit von morgen« unter dem Förderkennzeichen 02P20A111 gefördert.

<span class="webadresse">www.gemeki.de</span>

<span class="webadresse">www.wzl.rwth-aachen.de</span>

Fraunhofer-Institut für Produktionstechnologie IPT  

https://www.ipt.fraunhofer.de

Prozessoptimierung durch KI-gestützte Datenanalyse anhand eines Fräsverfahrens

Eine Vielzahl von Aspekten machen ‘GeMeKI’ zu einer großen Chance für den Fertigungsstandort Deutschland