9. November 2022

Anomalien und Fehler im Produktionsprozess frühzeitig erkennen – Forschungsprojekt AIQUAMA gestartet

Bild der Pressemitteilung


Anomalien und Fehler im Produktionsprozess verursachen hohe Kosten und wirken sich negativ auf Nachhaltigkeit und Produktivität aus. Gelingt es, solche Fehler unmittelbar bei ihrem Auftreten zu erkennen, dann können kostenintensive Nacharbeiten, aufwendige Endprüfungen und Lieferverzögerungen vermieden werden. Das deutsch-tschechische Forschungsprojekt AIQUAMA (AI-based Quality Management for Smart Factories) untersucht den Einsatz von Künstlicher Intelligenz im Qualitätsmanagement von Produktionsprozessen. Ziel ist die fehlerlose und ausschussfreie Produktion. Mit einem Kick-off im Forum Digitale Technologien in Berlin ist AIQUAMA am 7. November 2022 gestartet.

In der Zukunft geht es immer mehr darum, Qualität direkt zum Zeitpunkt der Prozessausführung abzusichern. Insbesondere in weniger automatisierten Prozessen, wie der Montage, sollen einfache Roboterlösungen mit einer intelligenten KI den Mitarbeitenden bei der Arbeit zusehen und im Falle von Abweichungen, Ausreißern oder Unregelmäßigkeiten informieren. Ziel ist es, dass der Hersteller selbst mit geringen Robotik- und Data Science-Kenntnissen eine derartige Lösung in Betrieb nehmen kann.

AIQUAMA strebt eine Null-Fehler-Produktion auf Grundlage einer inkrementellen Qualitätsüberwachung echtzeitnah während der Produktion an. Dies geschieht durch die Auswertung von Multi-Sensor-Datenströmen mit KI-Methoden. AIQUAMA wird dabei eine Kombination aus symbolischen Modellen und statistischem maschinellem Lernen auf der Grundlage von realen, aber auch synthetischen Trainingsdaten verwenden.

Um qualitätsbezogene Fehler im Vorfeld zu vermeiden, wird eine intelligente Online-Planungskomponente so erweitert, dass auch qualitätsbezogene Parameter bei der Planerstellung und Aufgabenzuweisung bestmöglich berücksichtigt werden. Insbesondere bei manuellen Montage- oder Bearbeitungsprozessen oder bei Arbeitsschritten, die in hybriden Teams aus Menschen und kollaborativen Robotern durchgeführt werden, passieren dennoch Fehler. Ein solcher Fehler ist zum Beispiel der Griff eines Werkers oder einer Werkerin in die falsche Materialkiste oder zum falschen Werkzeug bei einer manuellen Montageaufgabe oder auch eine Handreichung durch einen Roboter zum falschen Zeitpunkt.

Durch geeignete Kombinationen unterschiedlicher Sensorik sollen Fehler im Produktionsablauf nun aber früher als bisher erkannt und deshalb nachhaltiger behoben werden können. Erkannte Fehler werden über geeignete Benutzerschnittstellen transparent erklärt, um sie in Zukunft vermeiden zu können.

Für die technische Umsetzung greifen die Partner zurück auf die in der BaSys-Projektreihe entwickelte standardisierte I4.0-Architektur mit Verwaltungsschalen und nutzen dabei die Open-Source-Middleware BaSyx sowie quelloffene Ergebnisse aus ihrem Ökosystem.

AIQUAMA ist eine deutsch-tschechische Forschungskooperation im Bereich Industrie 4.0, die auf gemeinsamen Grundlagen, etwa aus RICAIP (EU H2020), aufsetzt.

Die Projektpartner sind:

  • Deutsches Forschungszentrum für Künstliche Intelligenz,
  • Tschechisches Institut für Informatik, Robotik und Kybernetik (CIIRC) an der Tschechischen Technischen Universität Prag (CTU),
  • Zentraleuropäisches Institut für Technologie an der Universität Brno (CEITEC BUT),
  • Technische Universität Ostrava zusammen mit den Anwendungspartnern Volkswagen AG und Škoda Auto, welche keine Förderung erhalten.

Gemeinsam mit Volkswagen wird das DFKI in Sachsen ein AIQUAMA-Demonstrationssystem im Bereich der manuellen und hybriden Montage umsetzen und realitätsnah evaluieren.

AIQUAMA hat ein Projektvolumen von ca. 1,8 Mio. Euro und wird vom Bundesministerium für Bildung und Forschung über eine Laufzeit von drei Jahren gefördert.

Kontakt:
Dr.-Ing. Daniel Porta
Forschungsbereich Kognitive Assistenzsysteme, DFKI

Tel.: +49 681 85775 5272

Pressekontakt:
Heike Leonhard, M.A.
Unternehmenskommunikation, DFKI

Tel.: +49 681 85775 5390

 

Originally published at:
DFKI