Der Lackierprozess und dessen Qualität sind durch komplexe Wechselwirkungen zwischen Prozess, Lackmaterial und Umgebungsbedingungen sehr schwer zu erfassen, weshalb die Lackierung immer noch als nicht durchgängig beherrschbarer Prozess gilt. Es drohen Ausschuss, Anlagenausfälle und aufwendige Nacharbeit, da beispielsweise die vorgegebene Lackschichtdicke häufig nicht überall eingehalten werden kann.
An dieser Stelle setzt ein Forschungsteam vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA gemeinsam mit Helmut Fischer und weiteren Projektpartnern an:
Ziel des Forschungsprojekts ist die Entwicklung von Modellen, die erstmals eine Prognose der erzielten Qualität aus den Prozessdaten der Lackierstraßen ermöglichen. Mit in Zukunft aussagekräftigen Daten in hoher Qualität, erhöht sich die Zuverlässigkeit der Lackierprozesse massiv und die Flexibilität der Lackieranlagen kann auf das notwendige Niveau für groß-serientechnisch hergestellte Produkte angehoben werden – mit möglichst geringen Ausschussraten.
Mit den Projektergebnissen werden deutlich effizientere Lackierprozesse ermöglicht. Mit einer Reduzierung der Fehler um 30 Prozent, einer Verringerung des jährlichen Lackverbrauches und einer Verkürzung der Anlaufzeit neuer Farben um jeweils 10 Prozent sowie einer Verkürzung von Stillstandzeiten um 20 Prozent durch diagnostische Verhaltensmodellanalysen kann hier gerechnet werden.
Erreichen will das das Forschungsteam, indem sie zunächst die Qualitätsdaten, zum Beispiel sichtbare Lackierfehler und insbesondere die Messdaten der Lackschichtdicke, mit den Prozessdaten aus der Anlagensteuerung zusammenführen. Aus den Daten soll dann ein feingranulares Verhaltensmodell entstehen, das mit einem maschinellen Lernverfahren ausgewertet wird. Die Algorithmen sollen frühzeitig drohende Qualitätsabweichungen erkennen und auch gleich auf deren Ursache hinweisen.
Einsatz von KI in der Lackschichtdickenmessung mittels Terahertz-Strahlung
Helmut Fischer fokussiert sich in dem Forschungsprojekt auf Strategien zum Einsatz von maschinellem Lernen bei der Materialvielfalt in der Lackschichtdickenmessung mittels Terahertz-Strahlung. Ein wesentlicher Faktor für die Marktakzeptanz und Marktdurchdringung für die Terahertz-basierte Schichtdickenmessung ist eine darstellbare Wirtschaftlichkeit der notwendigen Investitionen beim Endanwender. Dies scheint möglich mit der KI-Vernetzung der Qualitätsdaten in der Lackiererei, insbesondere in der Kombination der Schichtdickenmessung, Lacksprühnebelmessung sowie der visuellen Kontrolle. Weitere geplante Arbeiten zur automatisierten Parametrisierung und Kalibrierung mit Hilfe von Machine-Learning und Künstlicher Intelligenz können auch in anderen messtechnischen Produktlinien von Fischer – insbesondere der Analyse von Röntgenfluoreszenz-Spektren – zu möglichen Kosteneinsparungen durch höhere Effizienz in anderen Branchen führen.
Das Forschungsprojekt »Effizienzsteigerung von Lackierprozessen durch mehrschichtige Vernetzung von Prozess- und Qualitätsdaten mittels selbstlernender Verhaltensmodelle« (pAInt-Behaviour) läuft noch bis 31. Mai 2024 und wird vom Bundesministerium für Bildung und Forschung mit knapp 1,3 Millionen Euro unterstützt.
