Verbundprojekt: Nutzung v. Deep Learning Methoden i.d. Bereichen der Signal- u.Bildverarbeitung in e.eingebetteten KI-System zur Echtzeit-Qualitätsüberwachung v.Schweißverbindungen mittels prozessintegrierter, zerstörungsfreier Ultraschallsensorik in der Automobilproduktion. Teilvorhaben: Umsetzung Signalverarb.

Einer der essenziellen Fertigungsschritte in der industriellen Produktion bzw. Metallverarbeitung, wie z.B.im Maschinen, Anlagen- oder Automobilbau, ist das automatisierte Fügen metallischer Strukturen. Der Schweißprozess an sich ist ein hochkomplexes Zusammenwirken verschiedener und schwierig zu beschreibender physikalischer und chemischer Einflussparameter. Daher muss beim automatisierten Fügen ein enorm hoher Qualitätssicherungsaufwand betrieben werden, mit dem unter anderem durch stichprobenartige zerstörende Prüfungen in allen Schweißbaugruppen die Funktionalität der Fügestellen überprüft werden müssen. Allein durch die zerstörenden Prüfungen entsteht Ausschuss lediglich zur Qualitätssicherung in allen Aufbaustufen. Das Ziel des Vorhabens ist die Ergänzung des zerstörungsfreien Prüfens mittels prozessintegrierter Ultraschallsensorik um spezifische Werkzeuge der künstlichen Intelligenz, um einen Echtzeitqualitätsüberwachung während des Fügeprozesses mit denselben Insights von zerstörenden Prüfungen zu erreichen. Hierzu werden zunächst Ultraschalldaten für die beiden automobiltypischen Anwendungstechnologien Widerstandspunktschweißen und Laserlöten realitätsnah im Labor und dann beim Anwendungspartner Ford generiert. Die dafür verschweißten Proben werden zunächst wissenschaftlich analysiert, um Korrelationen zwischen den Ultraschallsignalen und der Schweißqualität zu ermitteln, um daraus Inputmerkmale für die KI-Modellentwicklung abzuleiten. Die Ultraschallsensorik wird hinsichtlich dem Einsatz in einem KI-System weiterentwickelt und in eine geeignete Dateninfrastruktur mit Datenvernetzung und -kommunikation integriert. Die so aufgenommenen und analysierten Daten werden genutzt, um mit Deep Learning Ansätzen für Signal- und Bildverarbeitung ein Qualitätsüberwachungsalgorithmus zu entwickeln. Der entwickelte Algorithmus wird bei Ford validiert.