KI-basierte Klassifizierung von Fehlerbildern anhand Schraubprozesskurven gewindeformender Schrauben

Beschreibung

Schrauben ist als Fügeverfahren domänenübergreifend weit verbreitet und Schraubprozesse daher üblicherweise gut beherrscht. Die konventionelle Prozesssteuerung umfasst leidiglich Drehmoment-, Drehwinkel- oder Gradienten-basierte Anziehverfahren, wobei anhand der Ausprägungen der Führungsgröße in oder außerhalb des Zielkorridors die Qualität der Schraubverbindung binär klassifiziert wird.

Abbildung: Lehrstuhl FAPS

Herausforderung

Die reine Bewertung fehlerhafter Schraubverbindungen als „nicht in Ordnung“ bietet keinen Ansatzpunkt für eine Root-Cause-Analyse.

Lösungsansatz

Multiclass-Classification unterschiedlicher Fehlerbilder anhand des Prozesskurvenverlaufs durch ein tiefes Neuronales Netz. Die Inferenz bildet den Startpunkt für eine Root-Cause-Analyse zur Bestimmung und Behebung der Fehlerursache.

Technische Spezifikationen

• Schraubsystem der DEPRAG SCHULZ GMBH u. CO. KG
• Schraubsteuerung AST12

Dateninfrastuktur

• Filebasiertes Schreiben der Prozessdaten aus der Schraubsteuerung auf IPC via Ethernet
• Laufzeit zur Fehlerklassifikation, welche Prozessdaten und Inferenz in (nicht-) relationale Datenbank schreibt
• Modul zur Visualisierung der Prozesskurven und vorhergesagten Klasse, basierend auf Datenbankabfragen

Ergebnis

• Klassifikation verschiedener Fehlerbilder zur Indikation der Fehlerursache
• Übertragbarkeit der Lösung auf weitere Schraubprozesse