AKoS – Akustische Kontrolle von Schweißnähten bei sicherheitskritischen Bauteilen im Rahmen der Qualitätssicherung

Das Projekt im Video

Beschreibung und Projektziele

© istock.com/kynny

Verschiedene Fertigungsverfahren kommen in der industriellen Produktion zum Einsatz. Ein beachtlicher Teil des erschaffenen Wertes – also die Wertschöpfung – von Gütern ist direkt auf den Einsatz von Fügetechniken, wie dem Schweißen zurückzuführen.  

Zur Prozessüberwachung verschiedener Fügeverfahren existieren zahlreiche Methoden der zerstörenden aber auch der zerstörungsfreien Prüfung. Alle Prüfmethoden erfordern viel fachliche Expertise des Personals und werden zumeist nach dem Fügeprozess durchgeführt. Die Prüfung der Bauteile nach dem Fügevorgang verlängert jedoch die Produktionszeiten in einem nicht unerheblichen Maße. Hinzu kommen, insbesondere bei der zerstörenden Prüfung, Tonnen an Prüfschrott, was weder ressourcenschonend noch wirtschaftlich ist. Wünschenswert wären daher zerstörungsfreie Prüfverfahren, die schon im Fügeprozess für die Qualitätssicherung eingesetzt werden können.

Eine Möglichkeit zur Realisierung eines zerstörungsfreien Prüfverfahrens – die Erkennung von Fehlern im Prozess anhand der Prozessgeräusche (Luftschallanalyse) –  wird innerhalb des Projektes AKoS durch ein fachlich breit aufgestelltes Konsortium untersucht. Dabei konzentrieren sich die Arbeiten auf die zerstörungsfreie und automatisierte Qualitätssicherung von sicherheitskritischen Bauteilen im Fügeprozess, konkret beim Schweißen.

Ziel dieses Projekts ist also die Entwicklung eines universell einsetzbaren adaptiven Lernalgorithmus für die Insitu-Schweißnahtkontrolle. Durch Anpassung seiner Parameter soll der Algorithmus auf möglichst viele Fügeprozesse übertragbar sein, um Aussagen für das Auftreten von ausgewählten Unregelmäßigkeiten zu erlauben. Dabei ist wichtig, dass der Algorithmus von Nicht-Experten bedient und auf ständig wechselnde Randbedingungen von Fügeprozessen adaptiert werden kann.

Aufgabenbereich Fraunhofer IDMT

  • Entwicklung von energieeffizienten Algorithmen des maschinellen Lernens für die akustische Ereignisdetektion zur Einzelfallbetrachtung 
  • Entwicklung eines dynamischen Frameworks, mit Übertragbarkeit auf verschiedene Fügeprozesse

Beteiligte Partner

  • measX GmbH & Co. KG (Konsortialführer)
  • Fachgebiet Fertigungstechnik, Technische Universität Ilmenau
  • RRS Schilling GmbH
  • FIT AG
  • GEFERTEC GmbH
  • Jennewein Metalltechnik GmbH & Co. KG

 

zur AKoS Projekt-Webseite 

Projektträger und Förderer

  • DLR
  • Bundesministerium für Bildung und Forschung BMBF

Laufzeit

  • 07/2020 – 06/2022

Akustisches Monitoring am Fraunhofer IDMT

Das Projekt wird vom Bundesministerium für Bildung und Foschung gefördert und adressiert die Bekanntmachung der Richtlinie zur Förderung von Projekten zum Thema "Anwendung von Methoden der Künstlichen Intelligenz in der Praxis", Bundesanzeiger vom 4.4.2019.