Forschung
© Apollo Machine and Welding Ltd, Canada
01.02.2022

Produktiver beschichten und reparieren mit Künstlicher Intelligenz

Produktiver beschichten und reparieren mit Künstlicher Intelligenz

Additive Verfahren sind gegenüber herkömmlichen Produktionstechniken auf dem Vormarsch: Flexibler, sparsamer, funktionaler sind sie schon. Nur bei der Produktivität hakt es noch. Ein deutsch-kanadisches Konsortium geht das jetzt mit Künstlicher Intelligenz (KI) an: Mit einer neuen Software zur Prozesssteuerung soll das Laserauftragschweißen automatisch optimiert und erheblich produktiver werden.

Verschleißteile effizienter und adaptiv beschichten

Kanadische Maschinenbauer erhalten viele Aufträge aus dem Bergbau und der Erdölindustrie. So werden zum Beispiel Steinbrecherzähne aus dem Bergbau regelmäßig überholt. Mit dem Laserauftragschweißen (engl. Laser Material Deposition, LMD) werden auf das Verschleißteil neue Schichten aufgetragen, bis die Sollgeometrie wieder erreicht ist. Der Haken bei der Sache ist die ungleichmäßige Abnutzung. Dadurch müssen Schichten mit variierender Dicke aufgetragen werden. Ein Bediener muss dafür nach jeder Beschichtung oder wenigstens nach jeder zehnten Lage messen und die Prozessführung anpassen.

Regelprozesse wie diesen zu automatisieren hat sich ein deutsch-kanadisches Konsortium vorgenommen. Gemeinsam entwickeln die Partner im Projekt „Artificial Intelligence Enhancement of Process Sensing for Adaptive Laser Additive Manufacturing AI-SLAM“ Software für Anlagenhersteller, mit der LMD-Prozesse automatisch ablaufen können. Dafür werden die Geometrien während des Auftragens automatisiert erfasst. Das System erkennt Abweichungen von der vorgegebenen Kontur und regelt Prozessparameter wie beispielsweise die Vorschubgeschwindigkeit nach. Die optimierten Steuerparameter werden dabei mit Hilfe von Künstlicher Intelligenz ermittelt. Die Software analysiert einen größeren Datenbestand und lernt selbstständig, wie der Prozess iterativ verbessert werden kann. Jüngster Meilenstein in dem auf drei Jahre angelegten Projekt war die Inbetriebnahme der Software-Funktionalität zum Scannen von Bauteilen und zur automatischen Bahnplanung an der Anlage des Fraunhofer ILT.

Bei komplexen Geometrien wie an diesem Schaufelzahn oder bei ungleichmäßiger Abnutzung wird die KI-basierte Prozessoptimierung erhebliche Effizienzgewinne ermöglichen. - © Apollo Machine and Welding Ltd, Canada
Bei komplexen Geometrien wie an diesem Schaufelzahn oder bei ungleichmäßiger Abnutzung wird die KI-basierte Prozessoptimierung erhebliche Effizienzgewinne ermöglichen. © Apollo Machine and Welding Ltd, Canada
Deutsch-kanadische Zusammenarbeit für mehr KI-Anwendungen

Auf deutscher Seite sind das Fraunhofer-Institut für Lasertechnik ILT in Aachen und der Softwareentwickler BCT aus Dortmund an AI-SLAM beteiligt. In Kanada wird das Projekt vom National Research Council NRC koordiniert. Die Forschungsseite übernimmt dort ein Team von der McGill University (Montreal), für das Programmieren von Machine-Learning-Algorithmen ist die Firma Braintoy (Calgary) dabei. Als industrieller Dienstleister für das LMD beteiligt sich Apollo Machine and Welding Ltd in Alberta am Projekt.

Die Schwerpunkte des Projektes sind durchaus komplex: Grundlegend müssen möglichst viele Prozessdaten systematisch erfasst und aufbereitet werden. Komplexe Routinen lernen dann maschinell aus diesen Daten, wie die Prozessführung optimiert werden kann, um am Ende mit weniger Aufwand mehr zu produzieren.

Auf kanadischer Seite wird die LMD-Technologie für Reparatur-Anwender wie Apollo weiterentwickelt. In der Firma werden jährlich mehrere Tonnen Material für die Reparatur von Verschleißteilen – wie dem Steinbrecherzahn – eingesetzt. Dementsprechend hoch sind die Erwartungen für die Effizienzgewinne durch eine automatisierte Prozessführung.

Verschleißteile wie dieser Steinbrecherzahn mit einem Außendurchmesser von etwa 140 mm werden mit dem LMD-Prozess wieder hergestellt. Mit KI sollen die Prozesse für die Reparatur unregelmäßiger Oberflächen optimiert werden. - © Apollo Machine and Welding Ltd, Canada
Verschleißteile wie dieser Steinbrecherzahn mit einem Außendurchmesser von etwa 140 mm werden mit dem LMD-Prozess wieder hergestellt. Mit KI sollen die Prozesse für die Reparatur unregelmäßiger Oberflächen optimiert werden. © Apollo Machine and Welding Ltd, Canada

Die Projektarbeit über beide Kontinente hinweg funktioniert dabei dank regelmäßiger Videotreffen und gemeinsam online erarbeiteter Dokumente problemlos. Auch virtuelle Laborführungen zum Kennenlernen der Software- und Hardwareumgebung der jeweils anderen Seite fanden bereits statt. Zum Austausch von Prozessdaten und zur Umsetzung der Machine-Learning-Modelle wurde von Braintoy die hauseigene Webplattform namens mlOS (Machine Learning Operating System) für alle Projektpartner freigeschaltet.

Das Projekt AI-SLAM läuft noch bis März 2024 im Rahmen des 3+2-Förderprogramms mit Kanada. Das Programm wird auf deutscher Seite vom Bundesministerium für Bildung und Forschung und auf kanadischer Seite vom National Research Council of Canada NRC gefördert. Schwerpunkt ist der Einsatz von Künstlicher Intelligenz für die Entwicklung neuer Technologien in der industriellen Produktion. Die einzelnen Projekte kommen aus unterschiedlichsten Branchen. Von den Bereichen Bergbau und Energie reichen die Anwendungen über Automobilbranche und Telekommunikation bis zum Bauwesen und Infrastrukturmanagement.

(Quelle: Presseinformation des Fraunhofer-Instituts für Lasertechnik ILT)

Schlagworte

Additive FertigungBeschichtenInstandsetzungKILaserauftragschweißenLasertechnologienReparatur

Verwandte Artikel

19.02.2025

IWM-Symposium 2025: Call for Papers

Das IIW-Symposium „Intelligent Welding Manufacturing 2025“ (IWM-Symposium 2025) widmet sich den Weiterentwicklungen von Schlüsseltechnologien für die zukünftige intellige...

Additive Fertigung Call for Papers Fertigung Lichtbogen Roboter Schlüsseltechnologien Schweißfertigung
Mehr erfahren
17.02.2025

Update: Richtlinie DVS 1619-4 „Nachweis der Konformität als Schweißbetrieb im Schienenfahrzeugbau zur Normenreihe EN 15085 – Konformitätsbewertung durch eine unabhängige Stelle“

Mit Ausgabedatum Januar 2025 ist eine Neufassung der Richtlinie DVS 1619-4 „Nachweis der Konformität als Schweißbetrieb im Schienenfahrzeugbau zur Normenreihe EN 15085 –...

Bahnanwendungen Eisenbahnfahrzeuge Instandsetzung Konformitätsbewertung Konstruieren Schienenfahrzeugbau
Mehr erfahren
Oliver P. Kuhrt, Geschäftsführer Messe Essen, Dr.-Ing. Roland Boecking, DVS-Hauptgeschäftsführer
Schweissen und Schneiden
13.02.2025

SCHWEISSEN & SCHNEIDEN 2025 – Die Branche gestaltet ihre Zukunft

Die SCHWEISSEN & SCHNEIDEN 2025 steht unter dem Motto „Join the Future“ und zeigt sich bereits jetzt als Dreh- und Angelpunkt der Füge-, Trenn- und Beschichtungstechnik-B...

Additive Fertigung Beschichtungsverfahren Digitalisierung DVS CONGRESS Fügetechnik Klebtechnik Korrosionsschutz Schneidanlagen Schweißen Spritzen Trenntechnik Weltmesse Young Professionals
Mehr erfahren
DVS Group
10.02.2025

ROBOTER 2025 – Anmeldung noch möglich

In knapp einer Woche beginnt die DVS-Tagung und -Fachausstellung ROBOTER in Fellbach. Anmeldungen sind noch bis zum Beginn der Tagung am 18.2.2025 möglich.

Automatisierung Cobot Cybersicherheit Digitalisierung Industrie 4.0 Industrieroboter KI Offline-Programmierung Roboterprogrammierung Robotik Tiefeninduktion
Mehr erfahren
07.02.2025

Update: Richtlinie DVS 1619-2 „Nachweis der Konformität als Schweißbetrieb im Schienenfahrzeugbau zur Normenreihe EN 15085 – Konformitätsbewertung durch den Hersteller“

Mit Ausgabedatum Januar 2025 ist eine Neufassung der Richtlinie DVS 1619-2 „Nachweis der Konformität als Schweißbetrieb im Schienenfahrzeugbau zur Normenreihe EN 15085 –...

Bahnanwendungen Eisenbahnfahrzeuge Instandsetzung Konformitätsbewertung Konstruieren Schienenfahrzeugbau Schweißnahtprüfung
Mehr erfahren