Modular geoptimaliseerde productieprocessen

Dank eines ausgeklügelten Baukastenprinzips mit erprobt-effizienten Komponenten ist SURFinpro breit einsetzbar und leicht zu adaptieren. © Shutterstock/Fraunhofer IWS / Dankzij een verfijnde modularisatieaanpak met efficiënte componenten is SURFinpro breed inzetbaar en eenvoudig aan te passen. © Shutterstock/Fraunhofer IWS

Met behulp van kunstmatige intelligentie en optische meettechnologie detecteert, classificeert en visualiseert SURFinpro defecten in realtime tijdens het proces. © Fraunhofer IWS / Using artificial intelligence and optical measurement technology, SURFinpro detects, classifies and visualizes defects in real time as the process is ongoing. © Fraunhofer IWS

Snel, nauwkeurig, flexibel – in de productie moet het volledige optimalisatiepotentieel worden benut. Onderzoekers van het Fraunhofer Instituut voor Materialen- en Stralingsstechniek IWS hebben hiervoor SURFinpro ontwikkeld, een oplossing die met behulp van Kunstmatige Intelligentie en optische meettechniek in realtime het proces fouten detecteert, classificeert, visualiseert en meldt aan de productielijn. De specialisten presenteren hun systeem van 27 tot 30 juni 2023 op de gezamenlijke stand 441 van de Fraunhofer-Gemeinschaft op de Laser World of Photonics in hal A3.

Ultralicht, ultradun, bijzonder betrouwbaar – en toch snel geproduceerd. Dr. Christopher Taudt, groepsleider oppervlakte-meettechniek bij het Zwickauer Fraunhofer-Applicatiecentrum voor Optische Meettechniek en Oppervlaktetechnologieën (AZOM) van het Fraunhofer IWS, zorgt met zijn team ervoor dat productbeloftes zoals deze worden waargemaakt. Samen hebben de wetenschappers een systeem ontwikkeld dat oppervlaktere fouten, artefacten en textuurveranderingen detecteert en, ondersteund door Kunstmatige Intelligentie, evalueert.

De methode is in staat om snel en in hoge resolutie driedimensionaal oppervlakken te meten en uit deze meetgegevens doorlopende informatie inline te genereren tijdens de lopende productie. »Fouten worden niet alleen als zodanig herkend. Het systeem classificeert ze ook en creëert zo direct een verdere context. Onze klanten krijgen informatie over de aard van de fout en tal van andere parameters, zoals onder andere de defectdichtheid, de geometrische afmetingen van de fout of de frequentie van fouten«, verduidelijkt Taudt. »Dit biedt een aanzienlijke meerwaarde ten opzichte van conventionele systemen.«

Hogere nauwkeurigheid bij hogere snelheid

Het meetsysteem wordt sinds meer dan een jaar succesvol toegepast en analyseert op een breedte van 70 centimeter een rol-naar-rol-proces. Om verder optimalisatiepotentieel te benutten, trainen Christopher Taudt en zijn team SURFinpro tijdens de lopende productie. De wetenschappers werken daarbij met een foutenboek. Met de gemelde fouten voeden ze een neuraal netwerk en verfijnen zo de detectie van anomalieën. De onderzoekers controleren op basis van de meetgegevens bijvoorbeeld of het om nieuwe defecten gaat of dat de fouten veranderen. Het systeem moet daar dynamisch op kunnen reageren. »We werken er enerzijds aan om betere neurale netwerken te ontwikkelen die met minder data kunnen«, legt de wetenschapper uit, »bovendien ontwikkelen we nieuwe trainingsstrategieën tijdens de bedrijfsvoering.«

De experts van het Fraunhofer AZOM passen hun technologie momenteel aan voor aanvullende toepassingsgebieden, zoals continue fabricageprocessen van vezelversterkte kunststoffen. »Op dit gebied gaat het onze partners niet alleen om het voorkomen van oppervlakkahoge fouten – het gaat ook om multidimensionale herkenning en beoordeling van onderdelen«, verduidelijkt Taudt. Een andere doelgroep die toegang tot de algoritmes en het systeem voor foutclassificatie moet krijgen, is de halfgeleiderindustrie, bijvoorbeeld voor de productie van flexibel halfgeleidermateriaal.

Momenteel worden bij de oplossing van het Fraunhofer AZOM maximaal vier camera’s ingezet. In een volgende stap willen de onderzoekers deze aanvullen met meer camerasystemen. Dit is procesonafhankelijk interessant – of het nu gaat om vezelversterkte kunststoffen met zeer grote onderdelen of bij klassieke rol-naar-rol-processen, bijvoorbeeld in de zonne-energie-industrie.

Een ander aandachtsgebied van de wetenschappers is de snelheid van de oplossing. Vooral bij vezelversterkte kunststoffen, maar ook in de textielverwerking, worden bijzonder hoge cyclustijden geëist. »Snelheidsverhoging is in dit verband een belangrijk thema en wij beschikken over de knowhow om aan deze eisen te voldoen. Bij onze oplossing maken we gebruik van technieken uit machine learning en Kunstmatige Intelligentie, zowel voor de evaluatie als voor het versnellen van de evaluatiestappen«, legt de groepsleider uit en verduidelijkt: »Een bijbehorende meetanalyse bestaat uit een overzichtelijke hoeveelheid afzonderlijke stappen, waarbij data worden gefilterd en gereduceerd. We ontwikkelen continu nieuwe technologieën om nog sneller te worden en bijvoorbeeld uit minder data dezelfde informatiewaarde te halen.«

Intelligent en verfijnd modulair

Een centraal aspect van zijn oplossing ziet de wetenschapper in de modulariteit ervan. Dankzij een doordacht bouwstenenprincipe met beproefde en efficiënte componenten is SURFinpro breed inzetbaar en eenvoudig aan te passen: »Een groot aantal van de technologieën die we in ons systeem gebruiken, is ontwikkeld als afzonderlijke bouwstenen die zich ook in verschillende andere contexten en projecten effectief kunnen inzetten.« Het project van de onderzoekers van het Fraunhofer AZOM is een schoolvoorbeeld van het succes en de praktische toepasbaarheid van deze modulaire aanpak.

Op de Laser World of Photonics van dit jaar presenteren Christopher Taudt en zijn team hun oplossing aan de hand van een toepassingsvoorbeeld voor flexibele zonnecellen, die in een rol-naar-rol-proces worden geproduceerd. Dataregistratie en -evaluatie in realtime tijdens het proces kunnen bezoekers van de beurs ervaren van 27 tot 30 juni op de gezamenlijke stand 441 van de Fraunhofer-Gemeinschaft in hal A3.