Fräsparameter schneller finden mit ThingWorx, Simulation und KI

Das Einfahren von Fertigungsmaschinen, also das Finden der richtigen Fräsparameter, im Speziellen auch bei Fräsbauteilen aus geschäumten Kunststoffwerkstoffen, ist mit Unsicherheiten und aufwändigen Testreihen verbunden. So kann es passieren, dass Maschinen dann eventuell stundenlang durch „Experimentieren“ und „Ausprobieren“ unterschiedlicher Bearbeitungsparameter blockiert sind. Der dabei generierte Ausschuss, die sogenannten Fehlerteile, erhöht zusätzlich zu den Maschinenstunden die anfallenden Kosten. Im Grunde werden durch Einfahrprozesse Menschen, Maschine und Material blockiert und fehlen für die eigentliche, produktive Fertigung.

Um hier Abhilfe zu schaffen, hat sich um die Hochschule Aalen ein Team von Firmen zusammengefunden und ihr Know-How, sowie ihre Softwarewerkzeuge und Hardware mit eingebracht, um eine Lösung für eben diese Aufgabenstellung zu finden. Zum Einsatz kommen unter anderen die IoT-Plattform ThingWorx (PTC) und das Konnektivität-Tool Kepware (PTC), beides durch die Firma INNEO Solutions in Ellwangen zur Verfügung gestellt. Angebunden wird die IoT-Plattform an der Steuerung einer Großportalfräsmaschine, welche von der Firma Gaugler & Lutz mit Sitz in Aalen-Ebnat zur Verfügung gestellt wird. Gaugler & Lutz ist führender Anbieter von konfektionierten Kernwerkstoffen und Lösungen für den Leicht- und Sandwichbau sowie Händler und Hersteller von Sport-, Reha- & Freizeitartikeln. Als aktiver Partner im Forschungsprojekt ist die Firma Gaugler & Lutz seit Jahren Vorreiter beim Einsatz innovativer Lösungen, unter anderem in der Fertigung.

Der Kern des Projektes ist die Künstliche Intelligenz (KI), die dann zusammen mit der Hochschule Aalen unter Leitung von Dr. Wolfgang Rimkus und Dr. Sebastian Feldmann auf die Problemstellung angepasst wird. Diese KI lernt mittels Daten der realen Fertigung bei Gaugler & Lutz das Fräsverhalten von Kunststoffverbundwerkstoffen und schlägt auf der Basis von live mitgelesenen Maschinendaten optimierte Fertigungsprozessparameter vor, die dann das Einfahren der Maschine auf ein Minimum reduziert.

Die hierdurch erzielbaren Einsparpotenziale sind erheblich und können der Industrie einen deutlichen Vorsprung in Bezug auf Fertigungszeiten und Fertigungskosten generieren.

Das Projektvorhaben „Echtzeitdatenerfassung und Parameterkorrektur mittels einer mit Simulationsdaten angelernten KI („SimKI“)“ wird durch das Ministerium für Wirtschaft, Arbeit und Wohnungsbau Baden-Württemberg im Rahmen des Innovationswettbewerbs „KI für KMU“ gefördert.