In der Produktionsentwicklung spielen die Reinheit eines Produkts und die damit verbundene Qualit?tskontrolle eine zentrale Rolle. Um eine maximale Material- und Kostenersparnis zu gew?hrleisten, ist die zuverl?ssige Vermessung der gefertigten Produkte sowie die Detektion von Abweichungen hinsichtlich der vorgegebenen Produktspezifikation unabdingbar. Das Ziel des durch den Europ?ischen Fonds für regionale Entwicklung (EFRE) gef?rderten Projektes ML-X-RAY ist die Erforschung und Weiterentwicklung eines Vermessungssystems für die Prüfung von inhomogenen Kabel- und Rohrprodukten mit Hilfe von innovativen Ans?tzen aus dem Bereich Machine Learning (ML) bzw. Deep Learning (DL) in Form von Convolutional Neural Networks (CNN).
Grunds?tzlich wird zwischen sogenannten homogenen und inhomogenen Produkten in der Fertigung unterschieden. In die Gruppe der homogenen Produkte fallen beispielsweise Glattrohre (rotationssymmetrische Hohlzylindergeometrie ohne Modulation im L?ngenprofil). Der Fokus in diesem Vorhaben liegt auf der Vermessung von inhomogenen Produkten. Bedingt durch die Fertigungsprozesse k?nnen Inhomogenit?ten in Produkten, insbesondere bei Rohren und Kabeln, grunds?tzlich in zwei Ebenen vorliegen. Einerseits sind diese in Fertigungsrichtung bzw. Extrusionsrichtung, dementsprechend eine Modulation im L?ngenprofil wie bei sogenannten Wellrohren, zu finden. Andererseits kann der Querschnitt des gefertigten Produktes, wie bei sogenannten verseilten Kabeln, asymmetrisch, bezogen auf die L?ngsachse, durch das Vorhandensein von 澳门皇冠_皇冠足球比分-劲爆体育 als einer Ader aufgebaut sein.
Die Grundlage des Vorhabens liefert hier das 澳门皇冠_皇冠足球比分-劲爆体育achsige System X-RAY 6000 der Firma SIKORA AG, welches aus R?ntgenquellen und direkten, digitalen R?ntgenbildaufnahmen besteht. Dieses System erm?glicht die berührungslose Messung von 澳门皇冠_皇冠足球比分-劲爆体育schichtigen Produkten der Draht- und Kabel- sowie Rohr- und Schlauchindustrie. Typischerweise werden Produkte aus Materialien wie Nylon, Gummi, Silikon, Polyethylen (PE), Polyvinylchlorid (PVC), High-density Polyethylen (HDPE) oder Ethylen-Propylen-Dien-Monomer (EPDM), hinsichtlich Durchmesser, Ovalit?t, Wanddicke und Konzentrizit?t vermessen.
Aus den beschriebenen Inhomogenit?ten entstehen erh?hte Anforderungen an die Datenanalyse: Im Rahmen des Projekts sollen deshalb neuartige ML-Verfahren sowie physikalische Modelle entwickelt werden. Die physikalischen Modelle erm?glichen die Synthese von Trainingsdaten verschiedener geometrischer Formen, die für die ML-Verfahren basierend auf neuronalen Netzen genutzt werden k?nnen. Einerseits werden dabei Signale in Form von Intensit?tsverl?ufen aufgenommen, worin charakteristische Muster die Schichtüberg?nge zwischen verschiedenen Materialien beschreiben. Diese Mustererkennung bzw. Schichtübergangsidentifikation basiert in der aktuellen Software auf klassischen Verfahren des Curve-Fittings, welche jedoch technisch nicht in der Lage sind, in robuster Weise, die komplizierteren Muster der Inhomogenit?ten korrekt zu erkennen. Anderseits sollen Muster in Extrusionsrichtung anhand der zeitlich korrelierten Intensit?tsverl?ufe erkannt und ausgewertet werden.
Der beteiligte Industriepartner SIKORA ist eines der führenden Unternehmen für Mess- und Regeltechnik sowie Inspektions-, Analyse- und Sortiersysteme und einer der Hidden Champions im deutschen Mittelstand. In der Kabelindustrie ist SIKORA Weltmarktführer im Bereich Messtechnik. Das Vorhaben ML-X-RAY strebt die Entwicklung einer Software-Innovation basierend auf künstlicher Intelligenz (KI) an, welche die Anwendbarkeit der Messger?te der SIKORA AG signifikant erweitern wird.
