Mit Kamera und KI den Werkzeugverschleiß in Echtzeit prüfen
Bildverarbeitung unterstützt Maschinenwartung
Bei der spanenden Fertigung ließ sich der Werkzeugverschleiß bisher während laufender Fräsprozesse noch nicht systematisch erfassen. Da jedoch fehlerhafte Werkzeuge zu Qualitätsverlusten, wachsendem Ausschuss und hohen Kosten für Nacharbeiten führen, hat sich das Fraunhofer-Institut für Produktionstechnologie IPT dieser Aufgabe angenommen: Gemeinsam mit Partnern entwickelten die Forschenden aus Aachen ein System aus Kameras und Bildverarbeitung durch Künstliche Intelligenz, das bereits in der Werkzeugmaschine den Werkzeugverschleiß erfassen und auswerten kann.
Bis heute wird der Verschleißzustand von Zerspanwerkzeugen aufwändig außerhalb der Maschine mit Standmessmikroskopen, Taschenlupen und Geräten zur Werkzeugeinstellung überprüft. Alle diese Verfahren erfordern manuelle Eingriffe. Mikroskope sind zudem teuer, Taschenlupen ermöglichen keine Messung einer Verschleißmetrik, und Werkzeugeinstellgeräte erfassen zwar die Schneidenkontur, können aber nicht die Verschleißart identifizieren. In jedem dieser Fälle können die Messungen erst nach Abschluss der Fertigung durchgeführt werden, wenn es also zu spät ist für korrigierende Eingriffe in den Prozess.
Ein Forschungsteam des Fraunhofer IPT entwickelte im Projekt Camwear 2.0 gemeinsam mit Projektpartnern ein System, das den Verschleißzustand der Zerspanungswerkzeuge nahezu in Echtzeit während des Fräsprozesses präzise erfasst und bewertet.
Messsystem überwindet Schwachstellen in der Werkzeugverschleiß-Detektion
Dazu integrierten die Forscherinnen und Forscher ein Mikroskop in die Fräsmaschine, das während der Bearbeitung, zwischen den einzelnen Bearbeitungsschritten, automatisiert Bilder des Fräswerkzeugs aufnimmt. Inspiriert von medizintechnischen Verfahren entwickelten sie Techniken zur Bildsegmentation, auf deren Basis industrietypische Bewertungskenngrößen des Werkzeugzustands abgeleitet werden können. Um das empfindliche Mikroskop in der rauen Umgebung der Werkzeugmaschine zu schützen, konstruierten die Forschenden ein widerstandsfähiges Gehäuse mit Sperrluftfunktion, das Kühlschmierstofftropfen von der Kamera fernhält.
Fotos und synthetische Bilddaten als Grundlage für ein KI-generiertes Verschleißmodell
Die erfassten Bilder dienten als Trainingsdaten für das KI-gestützte Bildverarbeitungsprogramm, das die Partner im Laufe des Projekts entwickelten. Das Programm ist in der Lage, Werkzeugtypen zu klassifizieren, verschlissene Bereiche aufzuzeigen und Verschleißmetriken zu berechnen.
Um den vorgelagerten manuellen Aufwand für das Training der Künstlichen Intelligenz zu verringern, nutzten die Forscherinnen und Forscher einen neuen Ansatz: Sie erstellen mithilfe generativer Algorithmen und neuronaler Netzwerke synthetische Bilddaten, um dadurch die Datenbasis künstlich zu vergrößern. Zudem wurden die realen Bilder mit einfachen Augmentationstechniken, etwa Spiegeln oder Drehen, verändert und vervielfältigt.
Erfolgreicher Praxistest bestätigt Leistungsfähigkeit
Das Kamerasystem und das Bildverarbeitungsprogramm bestanden im abschließenden Projektabschnitt unter realen Bedingungen den ersten Praxistest: Die Automatisierung der Bildaufnahme und die Qualität der aufgenommenen Fotos übertrafen die Erwartungen des Projektteams. Das Kameragehäuse erwies sich als robust genug, um die Mikroskopieeinheit zuverlässig zu schützen. Die KI der Bildverarbeitungs-Software identifizierte zuverlässig und präzise die visuell erfassbaren Verschleißformen.
Die Anwendung wird nun weiter gezielt für den industriellen Einsatz optimiert: Weiteres Ziel ist es, die KI-Modelle weiter zu verfeinern, um Verschleißerscheinungen noch präziser zu identifizieren und zu analysieren. In einer engen Zusammenarbeit mit spezialisierten Hardware-Lieferanten gilt es nun, die neue KI-Anwendung schnellstmöglich in die industrielle Praxis zu überführen.
Förderung
Das Projekt „Camwear 2.0 – Automatisierte Verschleißmessung und -analyse zur Optimierung der Prozessplanung in der Fräsbearbeitung“ wurde durch das Bundesministerium für Wirtschaft und Energie (BMWi) gefördert. Förderkennzeichen: 21660 N / 2. Projektpartner ist die Forschungsvereinigung Programmiersprachen für Fertigungseinrichtungen e. V.
Anbieter
Fraunhofer-Institut für Produktionstechnologie IPTSteinbachstr. 17
52074 Aachen
Deutschland
Meist gelesen
Warum viele Vision-AI-Projekte trotz guter Modelle scheitern
KI-Modelle liefern in der industriellen Bildverarbeitung oft gute Resultate in der Pilotphase, im Serienbetrieb stoßen sie aber schnell an Grenzen.
Opto-Doppelspitze setzt auf neue Strategie, Technik und operative Prozesse
Opto wird von Markus Riedi und Dr. Daniel Kraus als Doppelspitze geführt. Sie fokussieren auf Internationalisierung, strategische Partnerschaften und Unternehmensstruktur, um Wachstum und Skalierung zu fördern.
Chatbots für tote, gefährdete und ausgestorbene Sprachen
Möglichkeiten und Grenzen generativer KI für die Weiterbildung.
Die smarte Trafostation
Jahrzehntelang galt die Trafostation als Black Box – vor Überhitzung geschützt, aber wenig transparent. Das ändert sich mit einem webfähigen Universalrelais.
Echtzeit-Analyse mit KI-gesteuerten Hyperspektralkameras
Hyperspektrale Bildgebung gilt als Schlüsseltechnologie in Einsatzgebieten, in denen neben der visuellen Erscheinung auch die Materialzusammensetzung von Objekten eine Rolle spielt.