LaiLa – Labor für intelligente Leichtbauproduktion
Das Produktionsumfeld im Faserverbundleichtbau zeichnet sich durch einen hohen Anteil manueller Tätigkeiten bei gleichzeitig hoher Variantenvielfalt mit höchsten Qualitätsansprüchen aus. Im Flugzeugbau erfolgt beispielsweise eine 100%-Prüfung aller Bauteile, wobei diese Tätigkeit vorwiegend manuell ausgeführt und die Dokumentation in Papierform abgelegt wird. Als Folge verlangt dieses Umfeld zum einen ein hohes Expertenwissen und ist stark von der individuellen Verfügbarkeit des Personals abhängig. Zum anderen sind qualitätsrelevante Prozesse nicht digital verfügbar, welches in späteren Lebenszyklusphasen, u.a. im Rahmen der Produktion oder im Betrieb, zu erheblichem Mehraufwand führt. Gleichzeitig hemmen wiederkehrende Aufwände bei der Lösungsentwicklung und -integration die flächendeckende Implementierung von Technologien der Informations- und Automatisierungstechnik. Folglich kann keine moderne Datenanalyse und Prozessoptimierung durchgeführt werden. Für die Einführung digitaler Technologien besteht eine wesentliche Herausforderung im Übertrag und der Weiterentwicklung von Forschungsergebnissen für die Verwendung in der Produktion.
So werden in der Forschung diverse Anwendungen subsymbolischer Künstlicher Intelligenz (KI), u.a. zur Analyse der Produktqualität, Anlagendiagnose und Predictive Maintenance untersucht. Modelle des Maschinellen Lernens (ML), beispielsweise Neuronale Netze, können jedoch nicht direkt in der Produktion eingesetzt werden, sondern erfordern, beispielsweise für die Einstellung von Parametern, einen hohen Aufwand. Im Bereich der symbolischen KI liegen Ansätze der formalen Informationsmodellierung zur Beschreibung von Maschinenfunktionen und zur Sicherstellung der semantischen Interoperabilität zwischen Cyber-Physical-Systems vor. Die beiden Bereiche der KI werden in der Automatisierungstechnik allerdings meist getrennt betrachtet. Die Kombination von formalen Wissensmodellen mit Ansätzen des ML besitzt ein hohes Potenzial, weil sich durch maschinenlesbare Informationen der Trainingsaufwand im Bereich des ML reduzieren lässt. Zusätzlich können Inhalte von Wissensmodellen mit „erlernten“ Inhalten optimiert werden. In diesem Projekt wird daher eine Verknüpfung symbolischer und subsymbolischer Methoden der KI angestrebt, sodass Expertenwissen und Maschinenfunktionen maschinenlesbar beschrieben und Methoden der subsymbolischen KI zugänglich gemacht werden.
Das Projekt LaiLa behandelt dabei folgende drei Kernherausforderungen:
● Wie können Schnittstellen zwischen der physischen Produktion und Qualitätssicherung, digitalen Modellen, Cloud-Architekturen, Simulationen sowie Maschinellem Lernen aussehen?
● Lassen sich Daten aus den Bereichen der Produktion einheitlich erfassen und für eine automatisierte Produktions- und Produktüberwachung, z.B. die Bewertung der Bohrungsqualität anhand von Sensordaten von Bearbeitungsmaschinen, nutzen? Welche Daten sowie Systemarchitekturen und welche Maschinellen Lernverfahren sind dabei industriegeeignet?
Laufzeit: 01.09.2020 bis 31.08.2024
Das Projekt LaiLa wird im Förderprogramm DTEC vom Bundesministerium der Verteidigung (BMVg) gefördert.
Letzte Änderung: 23. Februar 2023