KI-kognitionsunterstützendes Assistenzsystem zur Inprozesskontrolle in der Fertigung

Abstract

Ziel des Vorhabens war die Entwicklung eines KI-gestützten, kognitionsunterstützenden Assistenzsystems zur Inprozesskontrolle (KIKA-IPK). Es analysiert potenzielle Zusammenhänge zwischen Bildmerkmalen (z. B. Schweißbad, Tröpfchen, Meniskus) und Prozesseigenschaften, um eine ressourceneffizientere Prozess- und Materialkonfiguration zu ermöglichen. Im KIKA-Framework wurden dazu Schnittstellen, Daten- und Evaluationsanforderungen spezifiziert und über Integrations- und Systemtests verifiziert. Darauf aufbauend entstanden ML-Modelle, die relevante Prozessmerkmale extrahieren, Abweichungen automatisiert erkennen und Prozessparameter anpassen. Die Verfahren wurden durch kontinuierliches Nutzerfeedback - etwa durch Datenannotation oder Pre-/Post-Prozessierung - fortlaufend optimiert. Ergänzend lieferten DoE-Versuche (Design of Experiments) systematisch Material-, Produkt- und Prozessdaten zur weiteren Verfeinerung der Algorithmen. Das KIKA-IPK-System wurde in zwei realen Anwendungsfeldern demonstriert: dem Lichtbogenauftragschweißen (WAAM) metallischer Werkstoffe und dem Drop-on-Demand-Verfahren zur Herstellung personalisierter Medikamente. Das Erfahrungswissen des Bedienpersonals fließt dabei in die KI-Modelle ein und verbindet kognitive mit maschinellen Fähigkeiten. Ergebnis ist ein lernfähiges Assistenzsystem für eine effektive Qualitäts- und Prozesssteuerung bei gleichzeitiger Steigerung der Ressourceneffizienz in der additiven Fertigung.