KI-basierte Klassifizierung von Bauteildefekten in der hybriden Fertigung

Die Kombination von additiver und subtraktiver Fertigung ermöglicht die Verkürzung von Prozesszeiten und die Steigerung der Oberflächenqualität. Während des Prozesses erfolgt sukzessive ein Vergleich von Soll- und Ist-geometrie. Auf Grundlage detektierter Abweichungen können die subtraktive Nachbearbeitung geplant und Prozessparameter entsprechend angepasst werden. 

  • Komplexität des Fertigungsprozess durch die Überlagerung verschiedenster physikalischer Effekte und zahlreiche Prozessparameter verhindert eine simulative Auslegung
  • zeitintensives Fertigungsverfahren und Individualität der Bauteile, die in Einzel und Serienfertigung hergestellt werden, sodass die Generierung einer ausreichenden Datenbasis erschwert wird

  • Automatisierte Fehleridentifikation und –klassifikation auf Basis von neuronalen Netzen
  • Bereitstellung einer ausreichenden Trainingsdatenbasis durch Erzeugung synthetischer Datensätze
  • Comau RobotArm SMART5 NS16
  • SPS: Siemens Sinumerik
  • Vision System:
    • Intel Realsense LiDAR l515
    • Validation: GOM Atos Core 300

Edge Device erhält STL-Datei

  • Edge Device übergibt gesamten möglichen G-Code an
  • Siemens Sinumerik NC-Steuerung
  • Siemens Sinumerik liest über ProfiBus Sensordaten aus ET200JP I/O aus
  • Klassifizierung von FDM Fertigungsfehlern
  • In-Line Qualitätsmessung, subtraktive Nachbearbeitung und somit verbesserte Oberflächenqualität