Fokusthemen
Unter der Leitung der beiden Informatikprofessoren Prof. Dr. Frank Schirmeier und Prof. Dr. Ulrich Göhner fokussiert sich das IDF auf die Kombination mathematischer Optimierungsverfahren und Anwendungen Künstlicher Intelligenz im Fertigungsumfeld. Die Forschungsthemen am IDF sind organisiert in die drei Fokusthemen Digitale Fertigungsanlage und Datenzentrierte Geschäftsmodelle, KI-optimierter Fertigungsprozess und innovative Sensorik und Large Language Models und Industrielle Generative KI.
1) KI-optimierter Fertigungsprozess und innovative Sensorik
In-Prozess-Qualitätskontrolle
Am IDF wird geforscht (gefördert vom Bayerischen Staatsministerium für Wirtschaft und Energie) zu sog. In-Process QC (d.h. eine Qualitätskontrolle, die nicht nachgelagert, sondern während des Fertigungsvorgangs basierend auf Sensordaten stattfindet) in Zerspanprozessen geforscht. So kann der zeit- und kostenintensive Messaufwand drastisch reduziert werden.
Datenzwilling
Zur Optimierung von Fertigungsprozessen wird der Vorgang beispielsweise in einer Abtragssimulation umfangreich simuliert. Physikalische Kräfte werden modelliert und berechnete mit gemessenen Größen kombiniert, um aussagekräftige Vorhersagemodelle zu entwickeln.
Innovative Datenerhebungsverfahren
Am IDF arbeiten Datenwissenschaftlern und Maschinenbau-Experten interdisziplinär Hand in Hand, um Expertenwissen in die entwickelten Modelle zu integrieren. Zur Messung hochwertiger Zielgrößen für KI-Modelle ist oftmals die Entwicklung eigener Datenerhebungsverfahren entscheidend.
Produktionsabweichung
Durch die Integration von Bilddaten in eine ganzheitliche Qualitätsbewertungspipeline können optische Fehlerbilder gemeinsam mit anderen Sensoren wie z.B. Schwingungs- oder Kraftsensoren ausgewertet werden.
Zur Auswertung von Bilddaten kommen etablierte Deep Learning Architekturen zum Einsatz, die mit innovativen Verfahren zur Dimensionsreduktion und zur Bewertung der relevanten Bildinhalte kombiniert werden.
Messmethoden und Datenerhebung
Zur präzisen Erfassung und Nachverfolgung des Werkzeugverschleißes wird am IDF ein speziell entwickelter Messaufbau eingesetzt. Dieser ermöglicht die Untersuchung von Verschleißerscheinungen im Mikrometerbereich unter reproduzierbaren Bedingungen.
Der Aufbau kombiniert hochauflösende telezentrische Optiken mit präzisen Dreh- und Lineartischen aus der Lasertechnik. Dadurch lassen sich Werkzeuge exakt positionieren und wiederholt aus definierten Perspektiven vermessen.
Die aufgenommenen Bilddaten werden mithilfe moderner Computer-Vision-Verfahren ausgewertet. So können relevante Verschleißmerkmale automatisiert erkannt, quantifiziert und über den Verlauf der Experimente hinweg dokumentiert werden.
Künstliche Intelligenz in der Fertigung kann Verbrauchs- und Energiekosten sowie Ausschuss verringern und gleichzeitig eine konstant hohe Fertigungsqualität sicherstellen.
- Innovative Auswertung von Schwingungs- und Kraftmessdaten
- Echtzeit Qualitätskontrolle und Stabilitätsbewertung
- Condition Monitoring und Anomaliedetektion
- Optische Verschleißmessung
- Abtrags- und Schnittkraftsimulation von Zerspanungsprozessen
2) Digitale Unternehmensprozesse und Datenzentrierte Geschäftsmodelle
Investitionen in neue Technologien stärken die Innovationskraft und die internationale Wettbewerbsfähigkeit der Unternehmen.
- Bearbeitungszeit- und Kostenprognose
- Energieverbrauchsprognose, adaptive Energieeffizienzoptimierung und Energieflexibilisierung
- Datengestützte Optimierung von Planungsprozessen
- Datenschutz-konforme Cloud-Entwicklungen zur Prozessüberwachung
- Intelligente selbstlernende Automatisierungssysteme
Digitalisierung und Automatisierung
Die Digitalisierung und Automatisierung von Geschäftsprozessen stellt eine große Herausforderung dar, da die zunehmende Komplexität und der Fachkräftemangel effiziente Lösungen erfordern.
Am IDF wird erforscht, wie Geschäftsprozessse mit hybriden Systemen aus klassischen Algorithmen und KI optimiert werden können. Ein besonderer Schwerpunkt liegt dabei auf der Anwendung von Spatial Augmented Reality und der Integration von Robotik, um Prozesse umfangreich zu automatisieren. Ziel ist es, benötigtes Expertenwissen zu reduzieren, Fachkräfte zu entlasten und Prozesszeiten zu verkürzen.
Innovative Geschäftsmodelle
Am IDF wird (gefördert vom Bundesministerium für Bildung und Forschung) im Rahmen der europäischen Cloud-Initiative GAIA-X an innovativen Geschäftsmodellen geforscht, die durch einen unternehmensübergreifenden Datenaustausch möglich werden.
Im unternehmensübergreifenden Datenaustausch liegt ein enormer Mehrwert, es können aber auch sensible Geschäftsgeheimnisse verletzt werden. Daher werden am IDF innovative Datenanonymisierungs- und verschlüsselungsverfahren entwickelt.
Anomalieerkennung
In Zeitreihen-Datenströmen, wie sie von Industriesensoren erzeugt werden, sind Abweichungen vom Normalverhalten oft schwer zu erkennen. Hier helfen spezialisierte KI-Verfahren, die das IDF in Zusammenarbeit mit etablierten Fertigungsunternehmen entwickelt und vor Ort implementiert.
Optimierung
Durch die Auswertung der im Unternehmenskontext anfallenden Daten durch KI-Verfahren können große Effizienz- und Kostenvorteile realisiert werden.
Für spezielle Fragestellungen stellt es sich jedoch heraus, dass mathematische Optimierungsalgorithmen bessere Lösungen, im Idealfall sogar die mathematisch beweisbar beste Lösung finden.
Die Mathematik- und Optimierungsexperten des IDF kombinieren die für das jeweilige Einsatzszenario am besten geeigneten Lösungsverfahren.
Korrelation und Kausalität
Die Untersuchung von Korrelationen ist etablierter Bestandteil der sog. explorativen Datenanalyse, die noch vor der Anwendung von KI-Verfahren hilft, Auffälligkeiten im Datensatz zu erkennen.
Gerade im Fertigungsumfeld bietet die Identifikation echter Kausalzusammenhänge großen Mehrwert: Welche Auswirkung hat Prozessparameter X auf das Qualitätskriterium Y?
Hierzu werden am IDF hochinnovative Verfahren zur Modellierung von Kausalzusammenhängen angewendet und erkannte Kausalitäten dann im Dialog mit den Fertigungsexperten validiert.
3) Large Language Models und Industrielle Generative KI
Anreicherung von CAD mit Fertigungsinformationen
Anreicherung von CAD-Dateien mit PMI aus der Zeichnung
Fertigungsrelevante Informationen liegen heute oft verteilt vor: Geometrie in 3D-CAD-Dateien, Toleranzen, Oberflächengüte und Gewinde in einer technischen Zeichnung. Obwohl die Möglichkeit besteht, PMI (Product Manufacturing Information) ins CAD-Modell aufzunehmen, ist dies noch sehr umständlich und wird wenig genutzt. Dies ist ein erhebliches Hindernis auch für die Auswertung durch KI.
Das Projekt CADistency am IDF setzt genau hier an und erforscht, wie PMI aus einer Zeichnung ins zugehörige CAD-Modell übertragen werden kann. Dazu wird eine Transformer-KI auf Millionen synthetisch erzeugter Paare von CAD und Zeichnung trainiert.
LLM-Agenten für CAD-Analyse
Aufgaben wie Arbeitsplanung und CAM-Programmierung, die den Umgang mit komplexen CAD-Dateien erfordern, sind für Large Language Models (LLMs) nach wie vor nicht zuverlässig umsetzbar.
Um die LLM-basierte CAD-Analyse robuster und zuverlässiger auf komplexe CAD-Dateien zu skalieren, werden im Projekt KIANA sowohl Finetuning- als auch Agenten-Ansätze evaluiert, um Lohnfertiger bei der schnellen Bewertung eingehender Aufträge zu unterstützen.
Vorhersage von Fertigungszeiten
Verarbeitung von CAD-Dateien mit 3D-Convolutional Neural Networks
Auf Grundlage einer großen Datenbasis ähnlicher Bauteile wurde am IDF ein KI-Modell trainiert, das die Bearbeitungszeiten auf einer CNC-Maschine vorhersagt. Dies ermöglicht eine schnellere und effektivere Arbeitsplanung.
Je nach Problemstellung eignen sich zur Verarbeitung von CAD-Daten durch KI unterschiedliche technische Ansätze, von der regelbasierten Extraktion von Attributen wie Fläche und Volumen bis hin zur Darstellung von CAD-Modellen als Graphen.
KI-basierte CAM-Planung
Graph-basierte Zuordnung von Bearbeitungsoperationen
In verschiedenen laufenden und zukünftigen Projekten befasst sich das IDF mit der Automatisierung der CAM-Programmierung, also der Erstellung von Programmen für CNC-Maschinen auf der Basis eines CAD-Modells.
Im Projekt CAMistry wird der historische Datenbestand an CAM-Daten teilautomatisiert in wiederverwendbare Feature-Templates zerlegt. Eine KI ordnet anschließend Bearbeitungsfeatures in neuen Bauteilen geeignete Templates zu.
Wissensanbindung für Chatbots
Am IDF entwickelter Kunden-Chatbot mit Dashboard zu den Anfragen
Ihre Fähigkeit, große Textbestände in kurzer Zeit zu analysieren und dabei auf Fragen in natürlicher Sprache zu antworten, macht LLM-gestützte Chatbots zu einem hervorragenden Mittel, um schnell spezifisches Wissen in Dokumentationen oder Maschinenhandbüchern zu finden. Auch für die Kommunikation mit Kunden können LLMs schnell Vorschläge erarbeiten und so Zeit einsparen.
Generative KI eröffnet neue Möglichkeiten entlang der gesamten CAD-CAM-Prozesskette – von der Bewertung eingehender Aufträge über die Arbeitsplanung bis zur Fertigung.
- Unterstützung von Konstruktionsprozessen durch Large Language Networks und Deep Learning Verfahren
- Erforschung von Sprach-KI-Systemen zur Auswertung von Big Data Datenbeständen wie z.B. Bedienungsanleitungen, juristischen Texten, Patenten
- Robotik- und Automatisierungslösungen basierend auf Vision Language Action Modellen
„In zahlreichen Anwendungsfeldern kann KI in der Fertigung dazu beitragen, Kosten zu senken, die Prozess-Stabilität zu erhöhen und die Bauteilqualität sicher zu stellen.“