Präziloop - KI-gestützte Präzisionsbearbeitung

Projektübersicht

Fokus: Closed-Loop-Qualitätsvorhersage in der Präzisionsbearbeitung
Anwendungsbereich: Hochpräzise Schleifprozesse
Technologie: KI-Integration mit Transformer-Architekturen und LSTM-Netzwerken

Zielsetzung

Entwicklung einer Closed-Loop-Qualitätsvorhersage, die eine direkte Korrelation zwischen Sensor- und Prozessdaten und der resultierenden Werkstückqualität herstellt, um nachgelagerte Messprozesse zu reduzieren und die Fertigungseffizienz zu steigern.

Ausgangssituation und Herausforderungen

Die fortschreitende Digitalisierung und der Einsatz von Künstlicher Intelligenz in der Fertigung eröffnen neue Möglichkeiten zur Steigerung der Effizienz und Qualität industrieller Prozesse. Aktuelle Fertigungsprozesse für hochpräzise Bauteile erfordern oft teure Anlagenkonfigurationen mit:

• Werkzeugmaschinen und Robotern
• Koordinatenmessgeräten
• Oberflächenmessgeräten
• Form- und Lageprüfgeräten
• Ultraschall-, Röntgen- oder Magnetpulverprüfung

Diese Systeme ermöglichen zwar eine 100%ige Bauteilkontrolle, führen jedoch zu:

• Hohen Investitions-, Wartungs- und Kalibrierkosten
• Zusätzlichen Personalkosten
• Erheblichem Platzbedarf
• Hohem Energieverbrauch
• Verlängerten Nebenzeiten durch Mess- und Nachbearbeitungsprozesse

Innovative Lösung

Durch die Integration von KI-Lösungen in den Fertigungsprozess wird es möglich, die Werkstückqualität in Echtzeit vorherzusagen und somit auf nachgelagerte Vermessung zu verzichten. Das System sammelt und synchronisiert umfangreiche Daten von:

Datenquellen:

• Plandaten: Maßhaltigkeit, RA-Wert, Form- und Lagetoleranz
• Maschinensteuerung: Achsenbelastung, Spindellast, Spindelmoment
• Integrierte Sensoren: Acoustic Emission, Dynamometer

KI-Technologien

Die entwickelten KI-Modelle umfassen:

• Transformer-Architekturen für Sensordaten
• LSTM-Netzwerke für Zeitreihenanalysen
• Zero- und Few-Shot-Learning für minimalen Trainingsdatenaufwand
• Grinding Foundation Model - komplexe Fusion verschiedener Architekturen
• XAI-Methoden für transparente Nachvollziehbarkeit

Fokus auf Schleifprozesse

Das Schleifen wurde als Untersuchungsprozess gewählt, da:

• Die Qualitätsanforderungen deutlich höher sind als bei anderen Zerspanungsverfahren
• Der Schleifprozess durch komplexe Einflussfaktoren schwerer zu kontrollieren ist
• Ausschussteile besonders kostenintensiv sind, da Schleifen oft am Ende der Fertigungskette steht

Usability und Vertrauen

Ein zentrales Anliegen des Projekts ist die Sicherstellung von Usability, Transparenz, Vertrauen und Interpretierbarkeit der KI-Ergebnisse. Die Akzeptanz von KI-Systemen in der industriellen Praxis hängt maßgeblich davon ab, dass Anwender die Entscheidungen der KI nachvollziehen und ihr vertrauen können.

Förderdetails

Schwerpunkte: Künstliche Intelligenz, Transfer
Programm: CZS Transfer
Art der Förderung: Projektförderprogramme
Zielgruppe: Professor:innen
Fördersumme: 1.000.000 €
zzgl. Overhead: 200.000 €
Zeitraum: Juli 2025 - Juni 2029

---