Matrixproduktion | Fraunhofer IPA, Stuttgart

Zu fertigende Bauteile werden bis heute meist auf Grundlage von 2D-Zeichnungen gefertigt. Diese enthalten neben der reinen Geometrie viele Zusatzinformationen, die man auslesen und semantisch beschreiben muss. Das geschieht künftig automatisiert.

 

Dezember 2021 – Über KI-basierte Bilderkennung ist das neu entwickelte System in der Lage, Texte und Symbole aus Zeichnungen auszulesen. Die Erkennungsrate des Demonstrators liegt bei etwa 70 Prozent. Die erkannten Texte und Symbole werden über ihre Position und Plausibilitätsprüfungen zusammengeführt. Ein Regelwerk reichert die Texte und Symbole mit Informationen an. Bisherige Lösungen nutzen klassische Versfahren der Bilderkennung, was die Erkennung unterschiedlich generierten Zeichnungen schwierig macht. Einige Lösungen fokussieren nur auf die Erkennung der Geometrie. Bei im Internet präsentierten Lösungen wird nicht klar dargestellt, wie das Problem gelöst wird, was eine Bewertung schwierig macht.

SE.MA.KI – „Selbstlernende Steuerung einer technologieübergreifenden Matrixproduktion durch simulationsgestützte KI“ –  ist ein Verbundprojekt der zur WGP (Wissenschaftliche Gesellschaft für Produktionstechnik) zählenden Fraunhofer Institute IPA, IML, IST und IPT, mit einer Laufzeit von einem Jahr (ab 2021) und einem Projektvolumen von ca. zwei Millionen Euro. Der Fokus des Projektes liegt auf der Steuerung der adaptiven Matrixproduktion mit frei verketteten Stationen. Diese Form der modularen und damit flexiblen Produktion wird die Linienproduktion mit Fließband und festem Takt nach Einschätzung der Stuttgarter immer häufiger ablösen.  Zusätzlich werden auch die automatische Generierung von Prozessketten und die Digitalisierung benötigter Informationen betrachtet, etwa im hier beschriebenen Teilprojekt.

Fertigungszeichnungen enthalten eine Vielzahl von Informationen wie

  • die Geometrie des Bauteils, die über die Abbildung der Ansichten dargestellt ist,
  • Bemaßungen der Geometrie, die Größe und Position angeben,
  • Toleranzen, die angeben, welche Abweichungen von der Bemaßung erlaubt sind,
  • allgemeine Informationen im Schriftfeld sowie
  • zusätzliche Informationen, z.B. über Wärmebehandlung … (vgl. Bild 1)
Informationen in Fertigungszeichnungen. | Quelle: Fraunhofer IPA

Bild 1: Informationen in Fertigungszeichnungen. | Quelle: Fraunhofer IPA

 

 

Der neue Ansatz zur Erkennung von fertigungsrelevanten Informationen

Fertigungsrelevante Informationen können Symbole oder Texte sein (vgl. Bild 2). Für die Texterkennung, auch OCR (Optical Character Recognition) genannt, gibt es zahlreiche Open-Source-Bibliotheken. Eine Analyse der verfügbaren Lösungen hat die Überlegenheit der Python-EasyOCR-Bibliothek gezeigt. Sie basiert auf KI und kann kontinuierlich mit neuen Beispieldaten trainiert werden. So können auch Sonderzeichen für Fertigungszeichnungen in die Texterkennung integriert werden.

Aufteilung der Informationen in textuelle (blau) und symbolische (grün) Informationen. | Quelle: Fraunhofer IPA

Bild 2: Aufteilung der Informationen in textuelle (blau) und symbolische (grün) Informationen. | Fraunhofer IPA, Stuttgart

Auch bei der Symbolerkennung wird auf KI gesetzt. Eine der heute performantesten Bildbibliotheken ist YOLO (You only look once). Diese auf künstlichen neuronalen Netzen basierende Architektur ermöglicht ein Training von KI-Modellen mit Bildern. Im Rahmen des Projektes wurde YOLO genutzt, um eine vordefinierte Symbolbibliothek zu trainieren und damit in Zeichnungen Symbole zu erkennen.

 

Texte und Symbole für die Arbeitsplanung aufbereiten

Mit der Text- und Symbolerkennung ist der entwickelte Ansatz in der Lage, einen Großteil der Informationen aus den Zeichnungen auszulesen. Viele der Texte und Symbole stehen in einem Zusammenhang. Aus diesem Grund werden sie über ihre Position und die in Bild 3 dargestellten Boxen zusammengeführt. Um fehlerhafte Informationen zu filtern, wurde eine Logik zur Plausibilisierung entwickelt, die z.B. Maße im Bereich des Schriftfelds als Fehler ausgibt. Die Plausibilisierung und qualitative Bewertung der erkannten Informationen ist jedoch kritisch, da Fehler kostenintensive Folgen haben können.

 

Zusammenführung der textuellen und symbolischen Informationen und Ableitung von fertigungsrelevanten Informationen. | Quelle: Fraunhofer IPA

Bild 3: Zusammenführung der textuellen und symbolischen Informationen und Ableitung von fertigungsrelevanten Informationen. | Quelle: Fraunhofer IPA, Stuttgart

 

Es ist nun geplant, die gesammelten Informationen aufzubereiten und anzureichern. So sollen zum Beispiel die einzelnen Ansichten isoliert und die größten Maße extrahiert werden, um Rückschlüsse auf den für die Fertigung benötigten Bauraum abzuleiten.

Die Weiterentwicklung des vorgestellten Ansatzes bietet in den nächsten Jahren großes Potenzial für die Ableitung von Regeln aus bereits erzeugten Fertigungszeichnungen und den daraus folgenden Arbeitsplänen. Sie ermöglicht insbesondere aber auch die schnelle Interpretation und Kategorisierung neuer Zeichnungen. Dies soll den Vorgang weiter automatisieren und somit den Prozess der Arbeitsplanung verkürzen.

 

Beitragsbild: Matrixproduktion | Quelle: Fraunhofer IPA, Stuttgart


Weitere Informationen

https://www.produktion.fraunhofer.de/de/forschung-im-verbund/zukunftsthemen/resiliente- wertschoepfung/SEMAKI.html

Ansprechpartner

Instituts für Industrielle Fertigung und Fabrikbetrieb (IFF)
Universität Stuttgart

Prof. Thomas Bauernhansl
Institutsleiter 
Tel.: +49 711 970-1100
E-Mail: thomas.bauernhansl@ipa.fraunhofer.de

Christoph Haar
Wissenschaftlicher Mitarbeiter
Tel.: +49 174 6287564
E-Mail: christoph.haar@ipa.fraunhofer.de


Downloads:

Beitragsbild:

Matrixproduktion | Quelle: IPA Stuttgart

Bild 1:

Informationen in Fertigungszeichnungen | Quelle: Fraunhofer IPA, Stuttgart

Bild 2:

Aufteilung der Informationen in textuelle (blau) und symbolische (grün) Informationen | Quelle: Fraunhofer IPA, Stuttgart

Bild 3:

Zusammenführung der textuellen und symbolischen Informationen und Ableitung von fertigungsrelevanten Informationen | Quelle: Fraunhofer IPA, Stuttgart