PROMETRO

Motivation

Dieses Verbundprojekt zielt darauf ab, die Qualitätsprüfung und Prozessüberwachung in der modernen Fertigung zu revolutionieren. Das Problem besteht darin, dass herkömmliche multimodale optische Messverfahren, obwohl grundsätzlich geeignet, aufgrund ihrer Komplexität, Langsamkeit und Kosten den Anforderungen einer Inline-Qualitätsprüfung nicht gerecht werden. Dies führt zu Kompromissen bei der Messhäufigkeit und -genauigkeit, was wiederum Qualitätsprobleme und Produktionsausfälle nach sich ziehen kann.

Ziele und Vorgehen

Der Lösungsweg basiert auf einem mehrstufigen Prozess. Im ersten Schritt (Vortraining) wird ein Autoencoder-Netzwerk mit einer großen Menge multimodaler Messdaten verschiedener Oberflächen trainiert, um ein generalisiertes Oberflächenmodell zu lernen. Im zweiten Schritt (Feintuning) wird das KNN mit Referenzdaten aus hochpräzisen, aber zeitaufwändigen Messverfahren und den korrespondierenden Fingerabdrücken trainiert, um die Vorhersage der Qualitätskennwerte zu optimieren. Im laufenden Betrieb (Anwendungsphase) wird dann lediglich der Fingerabdruck der Oberfläche mit dem Inline-Messsystem erfasst und dem KNN zugeführt, welches die Qualitätskennwerte präzise vorhersagt.

Innovation und Perspektiven

Die Innovation dieses Projekts liegt in der Kombination von multimodaler Messtechnik mit maschinellem Lernen. Kernstück ist die Entwicklung eines "Fingerabdruck"-Verfahrens, das die komplexen Oberflächeninformationen in einem komprimierten Datensatz zusammenfasst. Ein Künstliches Neuronales Netz (KNN) wird darauf trainiert, aus diesem Fingerabdruck die benötigten Qualitätskennwerte zu extrahieren.

Schaeffler Technologies AG & Co. KG, Schweinfurt