Proof of Concept für die automatisierte Gussfehlerprognose
Gussteile unterliegen zahlreichen Einflussfaktoren, die ihre Qualität stark variieren lassen. Gemeinsam mit der Georg Fischer JRG AG entwickelte die FHNW ein Verfahren, um Gussfehler bereits während des Giessprozesses zu erkennen – mit Methoden der Künstlichen Intelligenz (KI).
Ziel
Das Projekt hatte das Ziel, ein Echtzeitsystem zur automatisierten Erkennung von Gussfehlern zu entwickeln. Durch die Nutzung von Algorithmen und maschinellem Lernen sollten Prozessabweichungen frühzeitig identifiziert und Gegenmassnahmen eingeleitet werden.
Ausgangslage
In Giessereien werden Gussfehler meist erst nach dem Produktionsprozess entdeckt. Dies führt zu hohem Ausschuss und ineffizienten Nacharbeiten. Bestehende Prozessdaten sind oft nicht verknüpft, sodass Fehlerquellen schwer identifizierbar sind.
Ergebnisse
- Datenvernetzung: Prozessdaten aus verschiedenen Quellen wurden erstmals zentral zusammengeführt.
- Künstliche Intelligenz: Machine-Learning-Modelle konnten Fehler wie Kaltläufe und Porosität mit hoher Präzision vorhersagen.
- Optimierte Produktion: Das System erlaubt eine schnellere Reaktion auf Prozessabweichungen und reduziert den Ausschuss.
Ausblick
Basierend auf diesen Erkenntnissen könnte ein Digitaler Zwilling der Giessprozesse entwickelt werden. Durch bidirektionale Steuerung in Echtzeit könnte die Produktion weiter automatisiert und optimiert werden.
Tieferer Einblick im Fachartikel
Proof of Concept für die automatisierte Gussfehlerprognose
Quelle: Ausgabe 02 (2025) - GIESSEREI
Projekt-Information |
|
---|---|
Ausführung |
Giesserei-Zentrum, Institut für Business Engineering, Institut für Automation |
Forschungspartner | Georg Fischer JRG AG |
Dauer | 2 Jahre |
Projektteam | Daniel Begert, Simona Burri, Prof. Markus C. Krack, Dr. Fabian Haag |