Medizintechnik, Photonik, Photovoltaik: In zahlreichen Anwendungsfeldern sichern mikrostrukturierte Bauteiloberflächen, dass Hightech-Produkte wie gewünscht funktionieren. Solche Mikrostrukturen in Freiform-Oberflächen zu integrieren, ist eine anspruchsvolle Aufgabe. Sie lässt sich nur mit ultrapräzisen Fertigungsverfahren lösen. Dazu zählt das Zerspanen mit Diamantwerkzeugen – und selbst solche Lösungen stoßen immer öfter an ihre Grenzen.
Bis heute werden die Fertigungsmaschinen dafür manuell und Schritt für Schritt eingestellt. Das geht so lange, bis der Herstellungsprozess so weit optimiert ist, dass die gewünschte Oberflächengüte erreicht wird. Bei diesem herkömmlichen Ramp-up ist das Einrichten der Maschine umso effizienter, je mehr Erfahrung und Kompetenz der Bedienende mitbringt. Das Einrichten zu automatisieren, unterstützt von künstlicher Intelligenz, verspricht hier deutliche Verbesserungen.
Im BMBF-geförderten Projekt UP Ramp-up arbeiten daher Forscher vom Fraunhofer-Institut für Produktionstechnologie IPT aus Aachen mit dem Partner Innolite GmbH daran, den Einrichtungsprozess der Maschinen mit KI zu beschleunigen und die Herstellung dadurch effizienter zu machen. Sowohl der Materialaufwand als auch die Fertigungskosten sollen sinken. Die Experten haben sich vorgenommen, die Planungs- und Fertigungszeit zu reduzieren – zum Beispiel für das Herstellen von Replikationswerkzeugen mit Mikrostrukturen für Mikrolinsenarrays. Das Ziel der Partner für diese Anwendung: eine Reduktion um den Faktor vier.
Steuerungs- und Regeltechnik soll mit KI optimiert werden
Die Qualität der Materialbearbeitung hängt direkt damit zusammen, wie hochpräzise die Maschinenachsen bewegt werden. Sind die individuellen Parameter der einzelnen Maschinenkomponenten abgestimmt, lassen sich die Bewegungen sehr präzise ausführen. Dann können hochpräzise Formen eingehalten und sehr geringe Oberflächenrauheiten erzielt werden.
Diese mechanischen Zusammenhänge in komplexen Ultrapräzisionsmaschinen sind inzwischen bekannt. Nicht ausreichend analysiert ist nach Auskunft der Beteiligten hingegen, wie die steuerungs- und regeltechnischen Komponenten den Prozess beeinflussen.
Hier setzen das Fraunhofer IPT und Innolite an: Künstliche Intelligenz, die auf moderne Methoden aus dem so genannten Reinforcement Learning zurückgreift, soll die Parameter optimal anpassen. Eine KI dieser Art kann selbst entscheiden, wenn die Algorithmen einmal angelernt sind. Ziel ist es, die KI-Anwendung vor dem Einstellungsprozess ohne Bauteil zu trainieren und in der Folge in den Fertigungsprozess zu integrieren.
Für das Training der KI-Modelle nutzen die Wissenschaftlerinnen und Wissenschaftler Daten, die mithilfe so genannter Luftschnitte im Fertigungsprozess – ohne Bauteil – automatisiert generiert werden. Menschliches Expertenwissen und Fertigungsdaten aus realen Prozessen ergänzen den Datensatz.
Weitere Prozessdaten verarbeiten die Projektpartner mit Methoden der Mustererkennung. Dafür stehen der KI alle Parameter zur Verfügung, die in der Maschine automatisiert erhoben werden. Den optimierten Parametersatz soll der Algorithmus ebenfalls automatisiert liefern und so die Regelparametrisierung erheblich beschleunigen. Erwartetes Ergebnis: Wenn die KI ihre Modellierung berechnet hat, sind ihre Vorhersagen so präzise, dass bereits das erste Bauteil im Toleranzbereich gefertigt wird.
Testfall: Mikrolinsenarrays, auch für medizinische Laser
Dass der Ansatz funktioniert, zeigen die Projektpartner an einer Maschine, welche die auf Ultrapräzisionsbearbeitung spezialisierte Innolite GmbH hergestellt hat. Darauf lassen sich Replikationswerkzeuge für Mikrolinsenarrays fertigen. Mikrolinsenarrays gewinnen als Bestandteil hochmoderner optischer Systeme an Bedeutung. Eingesetzt werden sie in optischen Sensoren, medizinischen Lasersystemen bis hin zu Beleuchtungssystemen wie LED-Scheinwerfern.
Werkzeuge, mit denen die Arrays hergestellt werden, brauchen Mikrostrukturen, die in Freiformflächen eingebracht sind. Hier zeigt sich also, was die KI in der industriellen Anwendung leistet – und die Projektpartner prüfen mit geeigneter Messtechnik die Qualität des Werkstücks.
Fertigungsdaten wie CAM-Daten, Toleranzen und analytische Soll-Konturen liegen vor, können aber auch je nach gewünschtem Bauteil generiert werden. So können die Experten die Einflüsse der steuerungs- und regelungsseitigen Komponenten und die Effizienz des Prozesses bewerten.
Die Projektpartner entwickeln darüber hinaus ein generalisiertes Modell. Es soll sich für weitere Anwendungen zur Parameteroptimierung einsetzen lassen. Das ist vor allem für kleine und mittlere Unternehmen interessant, denn sie profitieren von einer prozessintegrierten KI-Lösung, mit der sie ihre Maschinenregelung verbessern können. So können sie die Dauer des Einrichtungsprozesses drastisch senken. (op)
Wissenschaftlicher Ansprechpartner:
Tim Geerken M.Sc., Gruppe Maschinenentwicklung u. -vernetzung
Fraunhofer-Institut für Produktionstechnologie IPT
Steinbachstr. 17
52074 Aachen
E-Mail: tim.geerken@ipt.fraunhofer.de
Über das Projekt
Das Bundesministerium für Bildung und Forschung fördert das Projekt UP Ramp-up in der Richtlinie KI4KMU. Darin geht es um die Erforschung, Entwicklung und Nutzung von Methoden der künstlichen Intelligenz in kleinen und mittleren Unternehmen. Das Projekt läuft von Oktober 2021 bis März 2024.
