REVEAL – Ressourceneffiziente und verschwendungsarme Elastomerproduktion durch KI-basierte Qualitäts- und Prozessoptimierung

Projektpartner: Aptiv Services Deutschland GmbH, Bergische Universität Wuppertal, aixBrain GmbH, SHS plus GmbH

Gefördert im Wettbewerbsaufruf: Industrie.IN.NRW

Laufzeit: 05/2025 – 04/2028

 

Projektziel:

Das Gesamtziel des Projekts ist die Entwicklung eines Prozessoptimierungssystems für Elastomer–Spritzgießprozesse. Das System ermöglicht eine automatisierte, visuelle KI-basierte 100%–Kontrolle aller auf einer Maschine gefertigten Einzelteile sowie eine KI–gestützte Optimierung des Fertigungsprozesses.

Durch die Integration von Qualitäts– und Prozessdaten sowie den Einsatz von KI zur Ableitung konkreter Handlungsempfehlungen wird ein virtueller Assistent realisiert, der es dem Anwender ermöglicht, Ausschuss frühzeitig zu erkennen und Produktionsfehler zu korrigieren.

Dadurch wird die Ressourcenverschwendung in der Produktion signifikant reduziert. Konkret soll im Rahmen dieses Vorhabens für einen ausgewählten Teil des hergestellten Produktportfolios eine Einsparung von 90% der durch Fehlteile verursachten Kosten (Rohmaterial, Inspektion, Sortierung, Logistik, Ausschuss und Pseudo-ausschuss) plausibel nachgewiesen werden.

Um dieses Gesamtziel zu erreichen, werden die folgenden vier Hauptziele verfolgt:

1. Automatisierte visuelle Qualitätskontrolle: Ziel ist zum einen die Entwicklung und Realisierung eines mechanischen Handling– und Kamerasystems, das in der Lage ist, jedes einzelne auf einer Spritzgießmaschine gefertigte Bauteil optimal visuell zu erfassen. Zum anderen die Erforschung generalisierbarer Deep Learning Modelle zur Erkennung von Produktfehlern aus den Kamerabildern und die Verkürzung angestammter Bildverarbeitungsketten. 

2. Digitalisierung: Alle für die Produktqualität relevanten Fertigungs– und Umgebungsparameter werden digital erfasst und bauteilbezogen persistiert.

3. Erklärbare KI–Methoden zur Prozessoptimierung: Die Kombination der bauteilbezogenen Fertigungsinformationen mit den bauteilbezogenen Qualitätsdaten soll in einem zweiten (erklärbaren) ML–Ansatz auf Zusammenhänge untersucht werden. Dieser Ansatz soll mit dem visuellen System verbunden werden, um ein multimodales Gesamtmodell zu schaffen. 

 

4. Aufbau eines Demonstrators inkl. Erprobung der Virtuellen Assistenz: Ein Gesamtdemonstrator soll zunächst im Technikum und final an einer Produktionslinie die Erprobung aller Systemkomponenten und der Interaktion mit den Bedienern ermöglichen.

 

Das Projekt wird kofinanziert von der Europäischen Union sowie dem Ministerium für Wirtschaft, Industrie, Klimaschutz und Energie des Landes Nordrhein-Westfalen