Neue Assistenzsysteme für die Blechumformung
Das Assistenzsystem für die Blechumformung zeigt auf, wie sich mit neuronalen Netze Prozesse optimieren lassen. Foto: WZL – Kaufmann
Der Demonstrator besteht aus insgesamt drei Bausteinen:
- einem Prüfstand zur Simulation feinschneidtypischer Phänomene,
- einer Grafikprozessor-basierten Recheneinheit zur zentralen Verarbeitung von Messdaten und
- einer drahtlosen grafischen Benutzeroberfläche zur dezentralen Visualisierung von Messdaten.
Im aktuellen Entwicklungsstand wird der Blechtrennungsprozess ohne Durchführung eines echten Trennvorgangs simuliert. Dies geschieht mithilfe eines Schnittschlagsimulators, der in Intervallen auf einen Blechstreifen schlägt und dadurch einen mechanischen Impuls (Schnittschlag) wie auch ein akustisches Signal (Schnittklang) erzeugt. Über entsprechende Sensoren werden Schnittschlag und Schnittklang erfasst und drahtlos an die zentrale GPU-Recheneinheit übermittelt. Zusätzlich werden ausgewählte Werkstoffeigenschaften des Blechstreifens erfasst und mit dem Schnittschlag und -klang korreliert. Mithilfe von Algorithmen aus dem Bereich der künstlichen Intelligenz ist es dann möglich, auf Prozessanomalien in Echtzeit reagieren zu können.
Echtzeit-Datenanalyse mithilfe neuronaler Netzen
Zweiter Baustein und Kernstück des Demonstrators ist die zentrale, Grafikprozessor-basierte Recheneinheit. Ein neuronales Netz korreliert dort Werkstoffeigenschaften, Prozessparameter und die perzeptiven Messgrößen, also den Schnittschlag und -klang. Google demonstrierte 2016 eindrucksvoll die Möglichkeiten neuronaler Netze, als es zum ersten Mal gelang, einen menschlichen Gegenspieler mithilfe eines Computerprogramms im Brettspiel Go zu schlagen. Interessant ist dabei, welcher Weg dabei verfolgt wurde: Das neuronale Netz hatte Spielzüge abgeleitet, die in der über 2000 Jahren alten Spieletradition für den Menschen weithin unentdeckt geblieben waren – und auf die der menschliche Gegner keine Antwort finden konnte.
Übertragen auf den Feinschneidprozess ist nun das Ziel, mithilfe von perzeptiven Messgrößen wie Schnittschlag sowie – klang und unter Zuhilfenahme neuronaler Netzwerke, implizite Prozesszusammenhänge sichtbar zu machen – denn dadurch wird, analog zum Google-Beispiel, eine bisweilen unbekannte Prozessoptimierung ermöglicht. Hierfür wird derzeit im Werkzeugmaschinenlabor der RWTH Aachen eine Softwareplattform entwickelt, welche Sensordatenströme in Echtzeit analysieren kann. So soll es unter anderem möglich sein, Anomalien im Schnittschlag und Schnittklang in Echtzeit zu erkennen und deren Ursachen zu identifizieren; Ursachen und Auswirkungen werden dann über eine drahtlose Visualisierung sichtbar gemacht.
Visuell die Mensch-Maschine-Kommunikation meistern
Eine drahtlose, dezentrale Visualisierung ist der dritte Baustein des Demonstrators. Mithilfe einer beispielhaften Benutzeroberfläche wird demonstriert, wie ein Maschinenbediener im realen Prozess in Echtzeit über Ursachen und Auswirkungen von Prozessanomalien informiert werden kann. Die Entwicklung dieser Benutzeroberfläche ist ebenfalls Gegenstand aktueller Forschung. Besonderen Wert wird dabei auf die leichte Verständlichkeit der Benutzeroberfläche gelegt, damit der Maschinenbediener unkompliziert die notwendigen Informationen erhält, um den Prozess jederzeit optimal führen zu können.
Viktoria Haarmann ist Leiterin der Abteilung Marketing, Presse & Öffentlichkeitsarbeit des Werkzeugmaschinenlabors der Rheinisch-Westfälischen Technischen Hochschule (RWTH) Aachen.