Prozessverbesserung und Fehlerbehebung für KMU

Das Projekt oraKel des WZL der RWTH Aachen widmet sich der App-basierten Qualitätsvorhersage und Fehler-Ursachen-Analyse mit künstlichen neuronalen Netzen für kleine und mittlere Unternehmen.

522
Das Team des Forschungsprojektes oraKel (v.l.n.r.): Simon Cramer (WZL), Jonathan Greipel (WZL), Torsten Maul (GFE – Gesellschaft für Fertigungstechnik und Entwicklung Schmalkalden e.V.), Dr. Christian Kellermann-Langhagen (FQS e.V.), Dr. Kai Wellner (Bayer AG), Markus Kron (Sanofi Aventis Deutschland GmbH), Michael Radeck (Q-DAS GmbH), Jens-Erich Doering (Siemens AG), Dr. Alexandr Sadovoy (Siemens AG), Dirk Huber (iqs Software GmbH), Tabea Kiupel (gbo datacomp GmbH), Dr. Markus Ohlenforst (IconPro GmbH), Heiko Martin (Transfact GmbH), Dr. Fabian Bachmann (CEROBEAR GmbH), Hans-Gerd Tix (Risse & Co. GmbH), Rolf Herzogenrath (Lauscher Präzisionstechnik GmbH), Tim Panne (Carl Müller GmbH & Co. KG) und Axel Panne (Carl Müller GmbH & Co. KG)

Moderne Maschinensteuerungen liefern viele Daten über den ablaufenden Fertigungsprozess, aber erst die spezialisierte Auswertung der Daten ermöglicht einen tiefergehenden Einblick. Dadurch können nützliche Informationen und Optimierungspotenziale extrahiert und der Prüfaufwand reduziert werden. Die Produktqualität lässt sich dabei mit mathematischen Modellen aus den Prozessdaten, wie beispielsweise Drücken, Temperaturen oder Strömen, vorhersagen. Diese Modelle von Hand zu erstellen ist nicht nur zeitintensiv, sondern erfordert ebenso umfassendes Expertenwissen über den Fertigungsprozess.

Neue Entwicklungen im Bereich Data Science machen es jetzt möglich, diese Modelle aus den Prozessdaten automatisiert zu ermitteln. Hierfür werden Machine-Learning-Verfahren wie neuronale Netze eingesetzt. Neuronale Netze lernen aus der Datenbasis und können anschließend für die Vorhersage der Produktqualität und zur Fehler-Ursachen-Analyse eingesetzt werden. In kleinen und mittleren Unternehmen (KMU) fehlen jedoch oft das erforderliche Wissen und die notwendigen Ressourcen, um Machine-Learning-Verfahren erfolgreich einzusetzen. Ihnen bleiben deshalb große Potenziale zur Prozessverbesserung und Fehlerbehebung verwehrt.

Um diese Lücke künftig zu schließen, startete am Werkzeugmaschinenlabor WZL der RWTH Aachen im Februar 2020 das auf zwei Jahre angesetzte Projekt oraKel in Kooperation mit Unternehmen aus unterschiedlichen Branchen. Im Rahmen des Projektes wird sich der Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement unter der Leitung von Prof. Robert H. Schmitt der Entwicklung von auf neuronalen Netzen basierenden Algorithmen zur automatisierten Qualitätsvorhersage und Fehler-Ursachen-Analyse in der Produktion widmen. Ziel ist die Reduktion von Prüfaufwand und der Aufbau von Prozesswissen.

Das Projekt oraKel wird durch die AiF und den FQS Forschungsgemeinschaft Qualität e. V. gefördert. Bei der Erforschung der Algorithmen sowie der Entwicklung der App wird der Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement von einem projektbegleitenden Ausschuss aus Industriepartnern unterstützt, die im Bereich der Beratung, der Bereitstellung von CAQ-Software sowie der Produktion tätig sind.

Hierunter fallen: IconPro GmbH, GFE – Gesellschaft für Fertigungstechnik und Entwicklung Schmalkalden e.V., Siemens AG, CemeCon AG, Q-DAS GmbH, Bayer AG, iqs Software GmbH, Sanofi Aventis Deutschland GmbH, Risse & Co. GmbH, Transfact GmbH, CEROBEAR GmbH, Lauscher Präzisionstechnik GmbH, gbo datacomp GmbH, Qsee Ltd. und CemeCon GmbH.

Kontakt:

www.wzl.rwth-aachen.de