Aus der Branche

• Formel 1-Fahrzeuge werden in Zukunft günstiger

Carbon ist der Stoff, aus dem bei Formel 1-Fahrzeuge häufig die Karosserie hergestellt wird. Bislang ist Carbon teuer. Es kann günstiger und effizienter hergestellt werden, wenn künstliche Intelligenz die Produktionsprozesse überwacht. Ein Kamerasystem kombiniert mit künstlicher Intelligenz erkennt automatisch Fehler in der Herstellung von Carbonfasern. Damit wird eine teure manuelle Kontrolle der Carbonfasern hinfällig und der Herstellungspreis der Carbonfaser kann nachhaltig reduziert wenden.

Für diese Idee erhielt der Nachwuchsingenieur Deniz Sinan Yesilyurt am 6. Dezember den zweiten Preis des Nachwuchspreises „Digitalisierung im Maschinenbau“.

Carbonfasern sind wegen ihrer guten Eigenschaften begehrt. Sie sind sehr leicht – sie wiegen bis zu 50 Prozent weniger als Aluminium. Die Kombination aus geringem Gewicht und guten mechanischen Eigenschaften bietet viele Vorteile. Gerade in Zeiten der Energiewende sind Leichtbaumaterialien wie Carbon so relevant wie nie zuvor. Gleichzeitig sind Carbonfasern so widerstandsfähig gegen äußere Belastungen wie Metalle. Diese guten Eigenschaften von Carbonfasern zu erreichen, ist aufwändig.

Bis zu 300 einzelne Faserstränge –Bündel von einzelnen Fasern - müssen während der Herstellung gleichzeitig überwacht werden. Wenn Carbonfasern reißen, kostet es Zeit und Geld, die beschädigten Fasern auszusortieren. Dies ist nur ein Beispiel für verschiedene Fehler, die bei den Fasern während der Produktion auftreten können.

Deshalb brachte Deniz Sinan Yesilyurt eine Kamera an der Carbonfaseranlage an, die Bilder verschiedener Faserfehler während der Produktion aufnimmt und in einer Datenbank sammelt. Die künstliche Intelligenz im Informationstechnologiesystem der Kamera wertet die Faserfehler aus, indem sie die Bildaufnahmen vorgegebenen Referenzfehlern zuordnet. Dabei erkennt sie verschiedene Faserfehler mit einer Zuordnungsgenauigkeit von 99 Prozent. Der Prozess kann auch für andere Bereiche eingesetzt werden, die chemische Fasern herstellen.

Deniz Sinan Yesilyurt erhielt den Preis vom Verband für Maschinen- und Anlagenbau (VDMA) in Frankfurt am Main. Er ist Bachelorabsolvent am Institut für Textiltechnik (ITA) der RWTH Aachen. Der vollständige Titel seiner Bachelorarbeit: „Entwicklung einer Kl-gestützten Prozessüberwachung unter Verwendung von Machine Learning zur Erkennung von Faserbeschädigungen im Stabilisierungsprozess“.
Der VDMA zeichnete insgesamt vier Abschlussarbeiten unterschiedlicher Hochschulen mit dem Preis aus. Der Preis wird für herausragende Abschlussarbeiten verliehen und wurde in Deutschland, Österreich und der Schweiz ausgeschrieben.

Der Maschinenbau ist eine Stärke der deutschen Industrie. In Leitbranchen, deren Produkte in einem globalisierten Umfeld starker Konkurrenz ausgesetzt sind, kann der Einsatz Künstlicher Intelligenz (KI) dazu beitragen, Industriekapazitäten und Knowhow in Deutschland zu halten, im Maschinenbau und nachgelagerten Branchen. Doch erst durch praxisnahe Anwendung in der Industrie kann KI seine Stärken für Unternehmen voll entfalten. Wie das mit dem Beitrag angewandter Forschung geht, zeigen Textilindustrie und -maschinenbau ebenso wie die Kunststoffbranche.

Mit der Corona-Krise sind Vliesstoffe über die Fachwelt hinaus bekannt geworden, denn sie bilden das Ausgangsmaterial für Schutzmasken. Die aufgetretenen Engpässe am Markt 2020 zeigten, wie stark Deutschland hier von Lieferungen aus dem Ausland abhängig ist. Zugleich ist Deutschland in anderen Vliesstoff-Segmenten und bei Maschinen für die Vliesstoffherstellung eine wichtige Größe auf den Weltmärkten. Damit das so bleibt, arbeitet die Branche an Innovationen. Ein zentraler Baustein dafür: Die Nutzung Künstlicher Intelligenz (KI).

Das Auge auf der lernenden Maschine

Am ITA Augsburg hat man dafür Grundlagen in einem Projekt gelegt, auf denen sich nun aufbauen lässt. Die Vision: Die Maschine zur Vliesstoffproduktion passt die Parameter entsprechend den Erfordernissen im laufenden Betrieb autonom an. Etwaig auftretende Fehler werden von der Maschine selbstständig diagnostiziert, die Drehzahlen entsprechend angepasst. „Wir haben im Projekt EasyVlies gezeigt, wie sich mit der Nutzung von Algorithmen für die Vliesstoffproduktion Material- und Energiekosten einsparen lassen. Zusammen mit Partnern aus der Industrie haben wir erreicht, dass die Maschine zentrale Parameter wie Drehzahlen und Abstände, von denen eine große Kombinationsmenge für das Erreichen der gewünschten Produktqualität notwendig sind, durch das entwickelte KI-Modell vorhergesagt werden. „Die Abstände der bis zu 40 Arbeitselemente in der Maschine bestimmen dabei in Kombination mit den Drehzahlen der beteiligten Walzen die Öffnung der Faserflocken bis zur Einzelfaser und die Bildung des Vlieses“, erläutert ITA-Augsburg Geschäftsführer Prof. Stefan Schlichter. Die naturwissenschaftlichen Zusammenhänge und Wechselwirkungen zwischen den Drehzahlen und den Qualitätsparametern der Vliesstoffproduktion sind nicht eindeutig bekannt. Gerade deshalb kann KI hier seine Vorteile ausspielen. „Denn Künstliche Intelligenz kann auch diffuse Zusammenhänge modellieren und simulieren“, betont Schlichter. Die Algorithmen dafür hat Maschinenbauingenieur Dr. Frederik Cloppenburg aus dem Aachener ITA-Stammhaus entwickelt, 280 Versuche wurden im Zusammenspiel mit der KI-Entwicklung durchgeführt.

In der unternehmerischen Praxis lernen die Algorithmen nun hinzu. Das zeigt  bei einem Vliesstoffbetrieb der Fahrzeugbranche bereits erste Erfolge in der betrieblichen Praxis. Im nächsten Schritt arbeiten die ITA-Forschenden daran, Messtechnik wie Kamerasysteme und strahlungsbasierte Messsysteme für die Gleichmäßigkeit des Vliesstoffs in die Maschinen zu integrieren. Ziel: Fehler so prognostizieren, dass sie gar nicht erst auftreten. Das Aufkommen an Vliesstoff-Ausschuss soll so um 30 bis 50 Prozent sinken. Angesichts von bislang jährlich allein in Deutschland anfallender Ausschussware im Wert von 150 Mio. Euro, das entspricht 10 Prozent des Branchenumsatzes, ein erheblicher Anreiz. „Die hoch qualifizierten Facharbeiter beaufsichtigen sozusagen die lernende Maschine“, erklärt Schlichter.

Industrie 4.0 wird in der Kunststoffbranche künftig auch benötigt, um das Ziel höherer Recyclingquoten zu erreichen. Denn eine weniger einheitliche Rohstoffbasis macht lernende Maschinen noch wertvoller. Das ist auch Ausgangspunkt des vom Bundesforschungsministerium (BMBF) geförderten Verbundprojekts CYCLOPS des Kunststoff-Zentrums (SKZ) und namhaften Partnern aus Wissenschaft und Wirtschaft. Durch den Einsatz von KI sollen Materialströme automatisiert klassifiziert werden, damit sie sich optimal verwenden lassen. „Die Maschinen sollen künftig eigenständig erkennen, in welche Anwendungen produzierte Materialien eines bestimmten Typs gehen können“ erläutert SKZ-Gruppenleiter Digitalisierung, Christoph Kugler. Ein Faktor: Die Fließfähigkeit des Kunststoffs, seine Viskosität. Je kürzer die Polymerketten des Materials, desto größer, vereinfacht gesagt, ihre Fließfähigkeit. Für diese Fließfähigkeit spielt andererseits auch das Druckniveau in der Maschine eine Rolle. Hier kommt wiederum die KI ins Spiel: „Durch Künstliche Intelligenz können Materialeigenschaften und selbst lernende Maschinensteuerungen sehr gut ineinanderwirken, so unsere Erwartung“, erklärt Kugler. Grundlage für die angewandte Forschung im Projekt CYCLOPS sind sowohl Prozessdaten aus den Maschinen, welche die Materialqualität beschreiben können, als auch Daten entlang des Lebenswegs von Material und Produkt. Im Rahmen des Projektes werden damit die Transparenz und die Informationsdichte erhöht, welche nach wie vor einige der größten Hemmnisse der Kreislaufwirtschaft sind.

Neue Expertisefelder wie Erklärbare KI erschlossen

Das SKZ baut mit dem Projekt auf KI-Expertise auf, die über abgeschlossene und noch laufende Projekte erarbeitet wurde. In der Vergangenheit lag der Schwerpunkt in der Entwicklung sogenannter Softsensoren aus Prozessdaten zur Berechnung komplexer Qualitätskennwerte wie z.B. Viskosität oder Vernetzungsgrad des Kunststoffs. Durch die Weiterentwicklung der Technologie werden neue Expertisefelder erschlossen, so z.B. Optimierung der Prozessmodellierung durch KI, Prognose von Materialverhalten unter Last oder auch erklärbare KI (XAI), sie beschreibt den Weg, auf dem Algorithmen zu ihren Ergebnissen gelangen. In den letzten Jahren wurde ebenfalls der Einsatz von digitalen Technologien und KI im Kontext der Kreislaufwirtschaft am SKZ forciert, so in den noch jeweils bis ins nächste Jahr hinein laufenden Projekten Di-Plast und DiLinK. Während Di-Plast ein EU-Projekt ist, wird DiLink ebenfalls vom BMBF gefördert. Mit dem FIR e.V. ist ein weiteres Institut der Zuse-Gemeinschaft im DiLink-Projektkonsortium vertreten, mit dem Fokus auf dem Thema Geschäftsmodelle. Denn diese verändern sich durch das Vordringen der KI in immer mehr Aspekten des Maschinenbaus.