Mobiler Demonstrator für KI-Anwendungen in der Produktionstechnik (LOTTA)

Motivation

Datennutzung und Künstliche Intelligenz im Kontext der Produktion ist ein relativ junges Fachgebiet. Ein Fachgebiet mit viel Potenzial bspw. für Instandhaltung, Qualitätssicherung, Effizienzsteigerung und Kostenreduktion oder für die Regelung komplizierter Herstellprozesse. Digitalisierung und Künstliche Intelligenz wird zukünftig zum Handwerkzeug der Ingenieure und Ingenieurinnen gehören. Für die universitäre Ausbildung werden derzeit dafür neuartige Lehrveranstaltungen erarbeitet.

In der Forschung wurden bereits vielfältige Prinziplösungen für künstliche Intelligenz mit Produktionsfokus entwickelt, die derzeit in die industrielle Anwendung übertragen werden (sollen). Jedoch fällt es den kleinen und mittleren Unternehmen häufig noch schwer, den Einsatz der KI-Anwendungen trotz der Potenziale richtig einzuschätzen und die Einführungsprojekte zu planen.

Um Unternehmen zu veranschaulichen, was KI kann und wie sie funktioniert, haben wir den Demonstrator LOTTA gebaut. LOTTA wurde für Präsentationen und Weiterbildungen in Unternehmen sowie für die universitäre Lehre entwickelt. LOTTA ist mobil und kann so mit uns auf Reisen gehen, wenn wir Schulen oder Unternehmen besuchen oder Workshops durchführen.

LOTTA on Tour

Gern besuchen wir Sie und demonstrieren am Demonstrator die Ihre Fragen. Sprechen Sie uns an und vereinbaren einen Termin. LOTTA hat(te) folgende Stationen:

27. November 2024	Sitzung des Beirates des ProKI-Netzes an der TU Dresden
16./17. Oktober 2024	11. Ostsächsischen Maschinenbautage im TGZ Bautzen
21. August 2024	Kooperationsbörse "Digitalisierung in KMU passgenau gestalten zur Unterstützung des Menschen" im Industriepark Schwarze Pumpe (PAL PerspektiveArbeit Lausitz)
18./19. Juni 2024	ProKI-Tagung "Werkzeugmaschinen und ihre Daten" an der TU Dresden
14. Juni 2024	Lange Nacht der Wissenschaft "Entdecke, Lerne, Erschaffe: Die Welt der Werkzeugmaschinen"
10. Juni 2024	forum sachsen digital 2024 in Löbau
18. April 2024	Transferveranstaltung des Kompetenzzentrum für die Arbeit der Zukunft in Sachsen und Brandenburg (PAL PerspektiveArbeit Lausitz) in der Brikettfabrik in Laubusch

Aufbau des Demonstrators

Der Demonstrator LOTTA bildet einen Ausschnitt einer realen Werkzeugmaschine ab. D.h., die verbauten Komponenten wie Servoantrieb, Führungen, Sensoren und Steuerungen sind Industriestandard und können leicht auf die Anwendungsfälle der Maschinen und Anlagen der Unternehmen übertragen werden.

Bild 1: Aufbau des Demonstrators LOTTA

Mit LOTTA können maschinentypische Achsbewegungen gefahren werden, bei denen die Zustände der Maschinenkomponenten mittels Sensoren gemessen und über Schnittstellen als Daten ausgelesen werden. Über Monitore werden diese Zustände visualisiert. Algorithmen werten diese Signale aus und stellen fest, ob es sich um Fehlerzustände handelt und welche Fehler an der Maschine oder im Bearbeitungsprozess vorliegen.

Weiterhin ist LOTTA mit einer Bohrspindel ausgestattet, mit der ein Bearbeitungsprozess durchgeführt und datenbasiert überwacht werden kann. Dadurch merkt die Maschine selbst, wenn am Bearbeitungsprozess etwas nicht stimmt, z.B. wenn der Bohrer verschleißt oder wenn ein falscher Bohrer verwendet wird.

Damit praxisnahe Beispiele für Einsteiger leicht erklärt werden können, betrachtet LOTTA nur einen übersichtlichen Ausschnitt eines sonst komplexen Maschinensystems. Aufgrund der verwendeten Industriestandards und Schnittstellen dennoch möglich, interessierten Experten die Details der Anwendung zu erläutern und bei Bedarf als Testumgebung bereitzustellen.

Fallbeispiele

Die Fallbeispiele von LOTTA veranschaulichen unterschiedliche Aufgaben bei Entwicklung, Inbetriebnahme und beim Betrieb von produktionstechnischen Systemen. Lehrziel mit LOTTA ist die Verknüpfung des produktionstechnischen Wissens mit Grundwissen der IT und Algorithmen. LOTTA bedient deshalb folgende relevanten Sichtweisen:

Bild 2: Didaktik in den Fallbeispielen

Die Sichtweise Maschinenverhalten ist für die Aufgaben Condition Monitoring, Predictive Maintenance und Systemoptimierung relevant. Im Fallbeispiel „Zustandsüberwachung an einer Profilschienenführung (PSF)“ werden verschiedene Einflüsse auf den Komponentenzustand nachgebildet, über die erfassten Daten als Anomalien erkannt und als Einflussart diagnostiziert. Abgebildete Einflussarten sind a) Einbaufehler über eine verstellbare Parallelitätsabweichung der Profilschienenpaare, b) Laufbahnschäden über gezielt eingebrachte Pittings und c) Schmierzustände in den Führungswagen.

Die Sichtweise Bearbeitungsprozess ist für Themen der Qualitätskontrolle, Verschleißerkennung sowie Prozessregelung und -optimierung bedeutsam und bietet eine Grundlage für die Analyse von Wechselwirkungen zwischen Werkstück, Werkzeug, Prozessparametern und Fertigungsqualität. Das zugehörige Fallbeispiel „Bohrprozess“ bildet die wesentlichen Prozesseinflüsse a) Material des Werkstücks über Rohlinge aus verschiedenen Werkstoffen, b) Werkzeugart über verschiedene Bohrertypen, c) Werkzeugverschleiß durch Einsatz von Werkzeugen mit unterschiedlichen Verschleißgraden und d) Prozessparameter (Drehzahlen, Vorschübe) nach und analysiert diese auf Datenebene.

Die Sichtweise Engineering-Methoden betrachtet spezielle Designfragen zur Realisierung der Digitalisierung von produktionstechnischen Systemen wie Auswahl geeigneter Messmethoden und Vernetzung, die einen wesentlichen Einfluss auf die Zuverlässigkeit und den Nutzen der datenbasierten Überwachungsmethoden haben.

Im Fallbeispiel „Alternative Messmethoden“ wird behandelt, wie die gewählte Strategie zur Erfassung eines physikalischen Effekts deren Erkennungssicherheit beeinflusst. Am Beispiel des Zustandsmonitoring an der PSF werden alternative Messmethoden über Auswertung von a) Motorstrom, b) Beschleunigungen am Führungswagen und c) Temperatur am Führungswagen gegenübergestellt.

Das Fallbeispiel „Einfluss der Systemkonfiguration“ sensibilisiert dafür, dass sich unterschiedliche Eigenschaften und Einstellparameter der Messkette auf Signalauflösung und Parametersensibilität und schließlich auf die Eignung der Mess-signale zur Identifikation der gesuchten Effekte auswirken. Diese Einflüsse werden über den Vergleich a) parallel betriebener Sensoren unterschiedlicher Qualität und b) unterschiedlich eingestellter Abtastfrequenzen veranschaulicht.

Schließlich vermittelt das Fallbeispiel „Fehlererkennung“, wie Störungen, die den Zielparametern in den Signalen überlagert sein können, die Datenqualität beeinflussen und wie diese erkannt und beseitigt werden können. Am LVS werden typische Störungen wie a) Wackelkontakt und Kabelbruch, b) Übertragungsstörungen in der Netzverbindung und c) defekte Abschirmung von Kabeln realisiert.