Die 11. Montagetagung „Montagetechnik und Montageorganisation“ fand am 8. und 9. Mai in Saarbrücken zusammen mit der AKJ Automotive 2019 statt. Diesen Anlass konnten wir uns nicht entgehen lassen: Zusammen mit dem Zentrum für Mechatronik und Automatisierungstechnik (ZeMA) stellten unsere Data Scientists ein gemeinsames Projekt zur KI-gestützten Qualitätsprüfung vor.
Das Projekt wurde bei der Montagetagung sogar ausgezeichnet.

Bei der Tagung wurden die neuesten Techniken und Automatisierungen im Bereich Montage und Produktion aus den Forschungsabteilungen namhafter Unternehmen vorgestellt. Wie sehen die Produktionshallen der Zukunft aus, wo werden Roboter eingesetzt, um die Arbeit für die Menschen zu erleichtern und ergonomischer zu machen?
In diese Kategorie passt auch die Zusammenarbeit von ZeMA und PIKON im Flugzeugbau.
Erleichterung und Qualitätssicherung beim Nietprozess
Das ZeMA hat für den Nietprozess im Flugzeugbau einen Prototyp zur Erleichterung der Arbeitsaufgaben gebaut. Hierbei dreht es sich um eine Mensch-Roboter-Kollaboration: Der Nietprozess von Flugzeugrümpfen ist ein besonders belastender Prozess für die Operateure. Der Nietprozess ist momentan eine Zusammenarbeit von einem Operateur, der den Hammer führt, und einem Operateur, der den Amboss auf der anderen Seite dagegenhält. Der Amboss muss im engen Rumpf teilweise über Kopf gehalten werden. Durch die Automation von ZeMA übernimmt ein Roboter diese Aufgabe, der Niethammer als Gegenstück wird weiterhin von einem Mitarbeiter bedient.
Die Fehlerakzeptanz ist im Flugzeugbau naturgemäß sehr niedrig. Die Qualitätsprüfung der Nieten brachte bislang einen hohen Arbeitsaufwand und mehr gesetzte Nieten als nötig mit sich. Hier hat PIKON das ZeMA unterstützt, mithilfe von Künstlicher Intelligenz eine automatisierte Qualitätsprüfung über die Auswertung verschiedener Sensordaten zu machen.
Ziel ist es, anhand von Sensordaten des Nietprozesses, die Qualität der Nietung zu beurteilen und dem Techniker direkt ein Feedback über die Qualität zu geben. Außerdem kann anhand von Bildern der Nieten die Qualität mit einer Genauigkeit von 97% beurteilt werden.
In Zukunft könnten damit direkt beim Nietprozess Daten automatisch aufgenommen werden, und der Operator des Niethammers gewarnt werden, wenn eine Niete neu gesetzt werden muss.
Über eines unserer ersten Data Science Projekte in Zusammenarbeit mit Siemens haben wir auf der DSAG 2018 referiert. Sie können sich hier die Folien zu diesem Vortrag herunterladen:

Data Science mit HANA bei SIEMENS - ein Forschungsprojekt zur Optimierung der Kostenabweichungsanalyse und Prognose
Laden Sie sich die Folien des Vortrags herunter
Haben Sie weitere Fragen? Wir sind für Sie da!
