Automation

Das International Center forNetworked, Adaptive Production (ICNAP) der drei Aachener Fraunhofer-Institute stellt auf der SPS ein KI-gestütztes Analysesystem zur visuellen Qualitätskontrolle vor. In Halle 6, Stand 6-357 zeigt ICNAP, wie mithilfe von Deep Learning Schweißnähte an Batteriezellmodulen in Echtzeit auf Defekte überprüft werden können.

Der 3D-Druck hat großes Potenzial in der Fertigung. So lassen sich mit ihm bionische Leichtbauteile für die Luftfahrt herstellen, die den CO2-Ausstoß deutlich senken können. Im Projekt »Enabl3D« entwickeln Forscher nun eine ausreichende Qualitätssicherung.

Wälzlager werden überall dort eingebaut, wo sich etwas dreht. Das breite Einsatzgebiet reicht von der großen Windkraftanlage bis zur kleinen elektrischen Zahnbürste. In Bezug auf ihre Qualität und die jeweilige Anwendung müssen die Lager aus Stahlbauteilen sorgfältig ausgewählt und geprüft werden. Maßgeblichen Einfluss auf die mechanischen Eigenschaften des Stahls hat die Korngröße. Bislang wird die Größe der mikroskopisch kleinen Kristallite per Sichtprüfung durch Metallographen bewertet – eine subjektiv geprägte, fehleranfällige Methode. Forscher am Fraunhofer-Institut für Werkstoffmechanik IWM haben nun in Zusammenarbeit mit der Schaeffler Technologies AG & Co. KG ein Deep Learning-Modell entwickelt, das eine objektive und automatisierte Bewertung und Bestimmung der Korngröße ermöglicht.

Zwischen der ersten Skizze und dem fertigen Bauteil liegen zahlreiche fehleranfällige Prozessschritte und viel Arbeitszeit: Zunächst fertigt eine Konstrukteurin ein dreidimensionales CAD-Modell an. Daraus leitet sie dann eine zweidimensionale technische Zeichnung ab und ergänzt sie um zusätzliche Angaben: Toleranzen, Passungen, Parallelitäten, die Rauigkeit der Oberfläche und dergleichen mehr. CAD-Modell und technische Zeichnung übergibt sie dem Fertiger. Dieser nimmt bei einfachen Bauteilen die entsprechenden Einstellungen direkt an der Maschine vor. Bei komplexeren Geometrien hingegen empfiehlt es sich, die Daten in eine CAM-Software zu laden, die daraus dann automatisiert Maschinenbefehle generiert. Welche Fräser und Bohrer geeignet sind, um das Rohmaterial zu bearbeiten und wie das Rohteil am besten eingespannt werden muss, muss der Fertiger aber selber entscheiden.

Die Produktion eines Automobils ist energie- und ressourcenintensiv. Mit einer höheren Laufleistung der Fahrzeuge könnte der kontinuierliche Energiebedarf in der Produktion deutlich gesenkt und der Abbau an Bodenschätzen signifikant reduziert werden. Hier setzt das Forschungsprojekt »KOSEL« an, für das sich das Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU mit Partnern aus Industrie und Forschung zusammengeschlossen hat: Fahrzeugkomponenten, die über eine lange Lebensdauer verfügen, können über mehrere Fahrzeuglebenszyklen hinweg verwendet werden und müssen somit nicht neu produziert werden. Dafür hat das Projektteam einen kreislaufgerechten Open-Source-Baukasten entwickelt, der besonders langlebige und wiederverwendbare Module enthält.