Intelligente Qualitätssicherung durch KI-gestützte Analyse akustischer Signale

Im Rahmen von Industrie 4.0 entstehen immer vielfältigere Prüfaufgaben, bei denen immer größere Datenmengen anfallen, die oft nicht leicht zu interpretieren sind. Künstliche Intelligenz (KI) ist in der Lage, diesen Messwerten eine Bedeutung zuzuordnen und die Gesamtsituation abzuschätzen. Das Fraunhofer-Institut für Keramische Technologien und Systeme IKTS in Dresden bietet ein umfangreiches Leistungsspektrum an modernsten Methoden der künstlichen Intelligenz zur automatischen Bewertung technischer und nichttechnischer Prozesse.

Mit Verfahren der akustischen Diagnose lassen sich mit geringem Aufwand Fehler in Fertigungs- und Betriebsprozessen detektieren. Defekte Komponenten sowie kritische Anlagen- und Betriebsprozesse haben spezielle Geräuschmuster, die zur Qualitätssicherung herangezogen werden.

Automatische Signalbewertung wird erlernt

Mit Hilfe von Verfahren zur Signalanalyse, Musterkennung und zum Maschinenlernen können Sensorsignale automatisch interpretiert und in ihrer Bedeutung erkannt werden, z B. »Prüfling gut« oder »Bauteil besitzt noch 20 Prozent Restlebensdauer«. Diese automatische Bewertung ermöglicht eine wirtschaftliche und zuverlässige Qualitätssicherung.

KI-basierte Mess- und Prüfsysteme erlernen vor der Inbetriebnahme aus Beispielen den prinzipiellen Zusammenhang zwischen Sensorsignalen und deren Bedeutung für ihre individuelle Prüfaufgabe. Später können sie vom Menschen »belehrt« und korrigiert werden und sich damit im laufenden Betrieb selbst anpassen und verbessern. Diese Technologie ist wesentlich flexibler und leistungsfähiger als traditionelle Prüfverfahren.

Breite Einsatzmöglichkeiten

Die zugrundeliegenden Verfahren zur künstlichen Intelligenz, zum maschinellen Lernen und zur Mustererkennung von akustischen Signalen sind auch für andere Anwendungen interessant. Erfolgreich eingesetzt wurden diese bereits bei der Qualitätskontrolle von Zahnrädern, der Bestimmung der Restlebensdauer von Magnetventilen, bei der Riss- und Impakterkennung in Flugzeugmaterialien, der Zustandsüberwachung von Eisenbahnrädern, der Weichheitsprüfung von Papier, der Schädlingserkennung in Getreidespeichern oder der Überwachung von Kompressoren.