Zielsetzung

Der Strahlprozess ist in der produzierenden Industrie ein wesentlicher Verfahrensschritt im Bereich der Oberflächenbearbeitung mit weitreichenden Auswirkungen auf die Qualität der Endprodukte, der jedoch einer Reihe von Problemen unterliegt. Diese Probleme liegen z.B. in einem zu hohen Anlagenverschleiß, inkonsistenten Prozessergebnissen sowie einem zu hohen Strahlmittelverbrauch und führen in der Folge nicht nur zu hohen monetären Aufwänden bei den Prozessanwendern, sondern auch zu vermeidbaren Umweltbelastungen in Form von Abfall, Ausschuss, Stromverbrauch und Emissionen.

KI kann in Kombination mit einem Digitalen Zwilling (DZ) eine Smarte Plattform bilden, um eine Echtzeitüberwachung von Strahlprozessen zu ermöglichen, Anlagenausfälle frühzeitig zu erkennen und folglich eine nachhaltigere Produktion zu ermöglichen. KI als neue Analysekomponente trägt maßgeblich dazu bei, bisherige Anwendungsgrenzen im Zusammenhang mit großen Datenmengen (z.B. begrenzte, fehlende oder fehlerhafte Daten) effizient zu lösen, da mittels Small-Data-Ansätzen die für den Anwendungskontext relevanten Informationen extrahiert werden können.

Insgesamt mangelt es in Strahlanwendungen an intelligenten Analysemöglichkeiten für die Auswertung der Datengrundlage. In der Folge werden, auf Kosten der Prozesseffizienz und der Umwelt, wertvolle Optimierungspotenziale verschenkt. Ferner fehltes an einer benutzerfreundlichen und -individuellen Aufbereitung der Daten und Erkenntnisse für die verschiedenen Beteiligten (vom Shopfloor bis zum Management) sowie den notwendigen Kompetenzen im Umgang mit den anfallenden Strahlprozessdaten sowie deren ökonomischen und ökologischen Folgen.

Vor dem Hintergrund der dargestellten Herausforderungen die Forschungspartner das Ziel, eine Smarte Plattform für Strahlprozesse zu erforschen und zu entwickeln. Diese Plattform soll fortschrittliche Analytics-Verfahren nutzen, um einen auf Small Data und Big Data basierenden Digitalen Strahlprozesszwilling in Echtzeit auszuwerten, aufzubereiten und in die System- und Prozesslandschaft der Anwender zu integrieren. Somit soll erstmals ein branchenübergreifend transparenter, reproduzierbarer und ressourceneffizienter Strahlprozess ermöglicht werden.

Vorgehen

Genese der SPIN:S-Datengrundlage: Ermittlung der Prozess- und Systemarchitekturanforderungen bei den Anwendungspartnern für die Ableitung einer Small und Big Data-Wissensbasis zur digitalen Abbildung des Strahlprozesses und eines darauf aufbauenden Mess- und Sensorsystems.

Entwicklung der SPIN:S-Plattform: Schnittstellenentwicklung für den bidirektionalen Datenaustausch mit den bestehenden Prozesslandschaften sowie Labeling der Datenbasis. Entwicklung KI-basierter Predictive-Analytics-Verfahren unter Berücksichtigung der Besonderheiten des Strahlprozesses und deren Integration in bestehende Prozesse.

Validierung der SPIN:S-Plattform: Konzeption, Entwicklung und Test nutzerspezifischer Strahlprozess- und Nachhaltigkeits-Cockpits sowie Evaluierung der SPIN:S-Nutzercockpits und Ableitung von Lessons Learned.

Projektlaufzeit

Oktober 2022 bis September 2025

Projektkonsortium

Ausrüster und Konsortialführer: Eisenwerk Würth GmbH

Technologieexperte: 3D Content Logistics GmbH

Forschungspartner: Hochschule Karlsruhe (ILIN)

Mitarbeitende

• Prof. Dr. Steffen Kinkel
• Sebastian Beiner
• Elena Kick

Dieses Forschungs- und Entwicklungsprojekt wird durch das Bundesministerium für Bildung und Forschung (BMBF) im Programm „Zukunft der Wertschöpfung – Forschung zu Produktion, Dienstleistung und Arbeit“ (Förderkennzeichen: 02L19C250) gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei der Autorin / beim Autor.