Forschungsfeld Intelligente Fügesystemtechnik

Das Forschungsfeld Intelligente Fügesystemtechnik wurde zur themenübergreifenden und interdisziplinären Bündelung von Kompetenzen im Bereich der Künstlichen Intelligenz gegründet. Mit Fokus auf produktionstechnischen Anwendungen im Bereich der Fügetechnik und der Additiven Fertigung liegt der Schwerpunkt des Forschungsfelds auf der Untersuchung von Methoden des Maschinellen Lernens, um die Potenziale der fortschreitenden Digitalisierung für den produktionstechnischen Einsatz nutzbar zu machen.

Innovationssprung für die Fügesystemtechnik

Das übergeordnete Ziel des Forschungsfeldes ist die Realisierung einer intelligenten Fügesystemtechnik, die sich dadurch auszeichnet, geeignete Prozessgrößen eigenständig zu erfassen, automatisiert und robust Korrelationen zwischen Prozessdaten und -phänomenen zu erkennen und daraus intelligent Prozesseingriffe bzw. Handlungsempfehlungen abzuleiten.

Künstliche Intelligenz als zentraler Bestandteil für die Verarbeitung und Analyse von Prozessdaten

Im Mittelpunkt der Forschung stehen Methoden der Statistik und des Maschinellen Lernens zur Erkennung von Mustern und Zusammenhängen zwischen den aufgenommenen Daten und Prozessgrößen und -effekten. Basierend auf den so gewonnenen Erkenntnissen werden Maßnahmen zur Verbesserung des Prozessergebnisses und der Prozessrobustheit sowie zur Qualitätssicherung umgesetzt.

Die Kernkompetenzen des Forschungsfeldes:

  • Sensor- und Messkonzepte zur Datenerfassung
    Zur Aufnahme aussagekräftiger Prozessdaten steht die Auswahl und Qualifizierung geeigneter Mess- und Sensorkonzepte im Vordergrund, um Die Daten möglichst zielführend im Sinne einer gezielten Steuerung und Überwachung der Prozessqualität nutzbar zu machen. Dabei werden Messdaten ebenso genutzt wie Daten aus digitalen Abbildern der physischen Systeme.
  • Maschinelles Lernen zur robusten Verarbeitung (großer) Datenmengen
    Die Analyse der aufgenommenen Daten stellt den zentralen Bestandteil der Forschungsarbeit dar, mit dem Ziel einer automatisierten und robusten Auswertung. Neben statistischen Methoden werden insbesondere Methoden des Maschinellen Lernens eingesetzt, um Zusammenhäge zu erkennen und Muster in den Messdaten mit Prozesscharakteristika zu korrelieren. Neben der Datenaufbereitung stehen die Auswertemethodik und die Validierung der Vorhersagen im Zentrum der Untersuchungen, um Künstliche Intelligenz für den Einsatz im Produktionsumfeld zu qualifizieren.
  • Steuerung und Regelung von Prozess und/oder Systemtechnik
    Um die durch die Datenauswertung gewonnenen Erkenntnisse nutzen zu können, werden Strategien zur Regelung von Anlagen und Prozessen sowie zur automatisierten Anpassung der Prozessführung entwickelt. Mit dem Ziel einer automatisierten Anpassung der Systemtechnik auf beliebige Fügeaufgaben werden Expertensysteme zur Erhöhung der Prozessqualität und -stabilität realisiert.

Durch den die gesamte Prozesskette umfassenden Ansatz wird ein einfacheres und effizienteres Einrichten des Prozesses bei komplexen Fügeaufgaben sowie eine Gewährleistung des gewünschten Prozessergebnisses ermöglicht. Durch die Vernetzung sowohl entlang der gesamten Prozesskette als auch über unterschiedliche Prozesse hinweg werden so Expertensysteme für den produktionstechnischen Einsatz möglich. Komplexe Wirkzusammenhänge können erkannt und für zukünftige Prozesse genutzt werden.

 

Projekte

Aktuell laufende Forschungsvorhaben

Click&Weld - Steigerung der industriellen Anwendbarkeit des Rührreibschweißens durch ein wissensbasiertes und anwenderfreundliches Bedienkonzept

MoBaReg - Entwicklung einer prozessmomentbasierten Temperaturregelung für das Rührreibschweißen

ProLasKu - Steigerung der Prozesseffizienz und der Schweißnahtqualität beim Laserstrahlschweißen von Kupferwerkstoffen durch innovative Systemtechnik

REGULUS - Ressourceneffiziente Fertigung von großvolumigen Luftfahrt-Strukturkomponenten

ReVeBa - Rechnergestützte Verzugsminimierung beim Laserstrahlschweißen komplexer Bauteilstrukturen

ReVISEDBatt - Resonanzen, Vibrationen, Erschütterungen, externe mechanische Kräfte und Aufklärungsmethoden für Lithium-Ionen Batterien

RoKtoLas - Robotergeführte, scannerbasierte optische Kohärenztomographie für das Remote-Laserstrahlschweißen zur Flexibilisierung von Prozessketten im Karosseriebau

Veröffentlichungen

Ausgewählte Publikationen
2019Eine Methode zur Auslegung laserstrahlgeschweißter elektrischer Verbindungen mittels Künstlicher Intelligenz. METALL 73 (11), 2019, 286-288 (Details)
Distortion minimization of laser beam welded components by the use of finite element simulation and Artificial Intelligence. CIRP Journal of Manufacturing Science and Technology 27, 2019, 11-20 (Details)
Numerical Weld Pool Simulation for the Accuracy Improvement of Inline Weld Depth Measurement Based on Optical Coherence Tomography. In: ICALEO Conference Proceedings 2019. (Details)
Real-time Prediction of Quality Characteristics Based on Inline Process Data Using Machine Learning. In: ICALEO Conference Proceedings 2019. (Details)
Kreuzkorrelation von Prozessparametern und der Einschweißtiefe beim Laserstrahlschweißen von Aluminiumlegierungen mittels Methoden des Maschinellen Lernens. In: DVS Congress 2019, 13-21. (Details)
Real-time Prediction of Quality Characteristics in Laser Beam Welding Using Optical Coherence Tomography and Machine Learning. In: ICALEO Conference Proceedings 2019. (Details)
Automated visual inspection of friction stir welds: a deep learning approach. Multimodal Sensing: Technologies and Applications, SPIE Optical Metrology 1105909 (2019). (Details)
A Genetic Algorithm for the Correlation of the Keyhole and the Melt Pool Depth in Laser Beam Welding of AA6082. Wissenschaftliche Gesellschaft für Lasertechnik e.V. (WLT): Proceedings of the Lasers in Manufacturing Conference (LiM) 2019. (Details)
Holistic sensor concept for process control and quality assurance in laser beam welding based on Optical Coherence Tomography. Wissenschaftliche Gesellschaft für Lasertechnik e.V. (WLT): Proceedings of the Lasers in Manufacturing Conference (LiM) 2019. (Details)
Inline weld depth measurement for high brilliance laser beam sources using optical coherence tomography. Journal of Laser Applications 31 (2), 2019, 022409. (Details)
Ganzheitliches Qualitätssicherungskonzept für hochflexible Produktionsanlagen im Karosseriebau der Zukunft: Innovative Sensortechnologie und Datenauswertung mittels Künstlicher Intelligenz als Befähiger für hochflexible Fügetechnologien. Automobiltechnologie in Bayern + e-Car, 2019, 18-21. (Details)
Holistic Quality Assurance System for Highly Flexible Production Systems in the Body Shop of the Future: Innovative Sensor Technology and Data Evaluation Using Artificial Intelligence as an Enabler for Highly Flexible Joining Technologies. Automotive Technology in Bavaria + e-Car, 2019, 18-21. (Details)
Process control and quality assurance in remote laser beam welding by optical coherence tomography. Journal of Laser Applications 31 (2), 2019, 022408. (Details)
2018Highly flexible remote laser beam welding for the car body production of the future. In: Automotive Technology in Bavaria + e-Car, 2018. (Details)
2017Flexibles Remote-Laserstrahlschweißen für den Karosseriebau (Newsletter iwb)
Intelligente Fügesystemtechnik - Forschungsfeld mit Zukunft (Newsletter iwb)
Weiterführende Informationen

Sie haben ein spezielles Anliegen oder weiterführende Fragen zu den im Folgenden aufgeführten aktuellen Forschungsvorhaben? Kontaktieren Sie uns und erfahren Sie mehr zu den Möglichkeiten zur Realisierung intelligenter Fügesystemtechnik!

 

Ihre Ansprechpartner



Foto von Sophie Grabmann

Sophie Grabmann





Foto von Maximilian Schmoeller

Maximilian Schmoeller


Foto von Martina Elisabeth Sigl

Martina Elisabeth Sigl


Foto von Christian Stadter

Christian Stadter



Foto von Gabriel Avelino Zapata Rodriguez

Gabriel Avelino Zapata Rodriguez