| Forschungsprojekt: | HoleListic |  |
| Forschungsbereich: | Inspektion, Datenverarbeitung, Datenmodellierung, XAI | |
| Gefördert durch: | Bundesministerium für Wirtschaft und Klimaschutz (BMWK) | |
| In Zusammenarbeit mit: | 3D.aero GmbH, Boeing | |
| Beginn des Projekts: | Juni 2023 | |
| Ende des Projekts: | Mai 2026 | |
| Ansprechpartner am Institut: | M.Sc. Ole Stüven |
Beschreibung:
HoleListic hat die Entwicklung eines neuartigen in-line Messsystems für Bohrungen auf Weißlichtinterferometrie (WLI)-Basis zum Ziel, welches in Kombination mit einem holistischen Datenmodell und KI-Anwendungen hochqualitative und ressourceneffiziente Bohrprozesse ermöglicht. Das Messsystem wird dabei anhand eines Anwendungsfalls von Boeing entwickelt, jedoch besteht der Anspruch der Übertragbarkeit der Lösungen auf ähnliche Problemstellungen im Flugzeugumfeld.
Robuste Bohr- und Nietprozesse, als häufigste Operation in der Flugzeugproduktion, spielen eine entscheidende Rolle bei der Einführung neuer Flugzeugvarianten. Hierbei sind eine hohe Prozessstabilität und -qualität unumgänglich, Qualitätsprobleme führen gesamthaft jedoch zu einer hohen Verschwendung von Ressourcen (Werkstücke, Werkzeuge). Gemeinsames Defizit bisheriger Ansätze zur Qualitätsbestimmung von Bohrungen (z.B. Überwachung von Prozesskräften & Schallemissionen) ist der geringe Informationsgehalt der Prüfmaßnahmen, sodass ein direkter Zusammenhang zwischen dem Prozessergebnis in Form der Geometrie der Bohrung und des Bohrers mit dem Prozess fehlt. Aufgrund der schwierigen Zugänglichkeit der Bohrungen existiert zudem noch keine geeignete Messtechnik für diese Anwendung.
Die hochauflösende Vermessung des eigentlichen Arbeitsergebnisses kann zu einer Produktivitätssteigerung beitragen, jedoch nur, wenn gleichzeitig die Sensorintegration in den automatisierten Bohrprozess erfolgt, weitere ermittelbare Größen erfasst werden, sowie diese Informationen effizient gesammelt und aufbereitet in ein ganzheitliches Datenmodell überführt werden, sodass eine direkte Verknüpfung zwischen Prozess und Arbeitsergebnis hergestellt werden kann.
Das IFPT der TUHH entwickelt hierzu die Datenverarbeitung von 3D-WLI-Messdaten und eine anschließende Interpretation im Zusammenhang mit der Qualität des Bohrprozesses. Dazu werden Methoden der Künstlichen Intelligenz bereitgestellt, die aufgrund ihrer Datendichte (Größe) und ihrer Charakteristika (3D-Punktewolken) besondere Anforderungen an die einzusetzenden Algorithmik stellen. Erfolgt eine Verknüpfung der bewerteten WLI-Daten mit weiteren Parametern, können nicht nur Qualitätsprobleme erkannt, sondern auch Gegenmaßnahmen eingeleitet und ein selbstoptimierender adaptiver Bohrprozess etabliert werden. Für einen ganzheitlichen Ansatz werden erhobenen Prozess-, Umgebungs- und Metadaten, die Vermessungsdaten des Fertigungsergebnisses, als auch bspw. Informationen über Werkzeugverschleiß und -geometrie in ein gemeinsames Modell integriert, um es für eine verknüpfte Datenverarbeitung und -analyse nutzen zu können. Das holistische Datenmodell soll durch Methoden erklärbarer KI (XAI) erweitert werden, um Informationen und Wissen über eine Mensch-Maschine-Schnittstelle in das System zu integrieren und exportieren zu können.
Hierdurch entsteht ein holistischer Ansatz der prozessintegrierten Qualitätssicherung, welcher ein tiefgehendes Prozessverständnis ermöglicht, das durch die Vernetzung mit den Partnern des "Take-Off"-Programms durch weitere Wissensbausteine (z.B. Modelle & Simulationen) und Industriekompetenzen (z.B. Integration WLI in Bohrkopf) ergänzt wird.
Ansprechpartner am Institut: M.Sc. Ole Stüven