Abstract No.:
6999

 Scheduled at:
Wednesday, September 15, 2021, Saal Essen 9:30 AM
Künstliche Intelligenz in der Schweißtechnik


 Title:
Fortschritte in der Anwendung von künstlicher Intelligenz bei der zerstörungsfreien Prüfung im Karosseriebau

 Authors:
Robert Kitzmann* / Tessonics Europe GmbH, Deutschland
Roman Gr. Maev / The Institute for Diagnostic Imaging Research, Kanada
York Oberdörfer/ Tessonics Europe GmbH, Deutschland

 Abstract:
Die zerstörungsfreie Prüfung ist eine etablierte Methode zur Qualitätssicherung im Karosseriebau. Ein wesentliches Verfahren ist die Ultraschallprüfung. Üblicherweise werden die Prüfstücke aus der Linie ausgeschleust und mit mobilen Endgeräten überprüft. Neben bildgebenden Technologien werden in den letzten Jahren auch Inline-Systeme eingesetzt. Diese weisen aber bezüglich Geschwindigkeit, Informationsgehalt und Verlässlichkeit noch Defizite auf. Insbesondere die Aufbereitung und Bereitstellung der Messergebnisse in Quasi-Echtzeit stellt eine große Herausforderung an die Prüfsysteme dar. Durch Fortschritte in aktueller Hard- und vor allem Softwareentwicklung ist es möglich, diese Nachteile auszugleichen.

Ein System, bei dem ein KI-basierter Auswertungsansatz erfolgreich demonstriert wurde, ist das RIWA-System der Firma Tessonics. Ein in einer der Schweißelektroden eingebauter Ultraschallprüfkopf sendet kontinuierlich Impulse in den Blechstapel. Die Bildung der Schweißlinse kann aus den Schallreflexionen der Fügepartner direkt beobachtet werden. Wesentliche Qualitätsmerkmale wie der Linsendurchmesser sind über Korrelationen ableitbar. Darüber hinaus können Prozessunregelmäßigkeiten wie Spritzerbildung oder Elektrodenverschleiß detektiert werden.

Die Auswertung der B-Bilder ist zeitkritisch, da die Ergebnisse noch innerhalb des Prozesstaktes vorliegen müssen. Dieser liegt, abhängig vom Prozess, bei wenigen Sekunden. Maschinelle Unterstützung ist daher unabdingbar.

Innerhalb der B-Bilder können für den jeweiligen Schweißprozess charakteristische Muster identifiziert werden. Ein Deep-Learning-Ansatz ermöglicht es, eine künstliche Intelligenz auf deren Erkennung zu trainieren. Durch Verknüpfung der erkannten Muster mit den Ergebnissen der zerstörenden Prüfung lassen sich Entscheidungskriterien für die Schweißpunktqualität ableiten. Anhand dieser Kriterien können die Schweißpunkte direkt nach Abschluss des Fügeprozesses klassifiziert und beurteilt werden.

Im Vortrag wird das RIWA-System einleitend beschrieben. Es folgen einzelne Aspekte der Entwicklung und Optimierung der verwendeten Algorithmen, insbesondere die Anwendung der künstlichen Intelligenz. Beispiele aus Labor- und Serienproduktion veranschaulichen die theoretischen Grundlagen.


<= go back