BUP69 - PReSeLA

Physik-informiertes bestärkendes Lernen für selbstlernende Laserablation

Die Herstellung von Komponenten für die Mobilität der Zukunft erfordert eine Präzision im Submikrometerbereich. Ultrakurzpulslaser sind eine Schlüsseltechnologie für eine derart hochpräzise Fertigung. Schon geringfügige Abweichungen der Materialeigenschaften können dabei zu Veränderungen im Prozessverhalten und zu Qualitätsmängeln führen. Derzeit müssen Experten oder Expertinnen die Prozessparameter oftmals für neue Materialchargen manuell neu anpassen. Das ist mit erheblichem Aufwand und Einbußen bei der Produktivität verbunden und ist nachteilig für die zukünftige hochflexible und autonome Fertigung. Selbstlernende Systeme erlauben eine automatisierte und schnelle Anpassung an neue Randbedingungen.

Ziel

Ziel dieses Projekts ist die Entwicklung eines selbstlernenden Algorithmus als eine Basis für autonome und adaptive laserbasierte Fertigungssysteme. Mithilfe von Algorithmen aus dem Bereich des maschinellen Lernens passt sich das System autonom an veränderte Randbedingungen (etwa bezüglich der Materialeigenschaften) an. Das Demonstrator-System erkennt Qualitätsabweichungen und passt die Fertigungsparameter autonom an. Das ermöglich perspektivisch die Realisierung von „Manufacturing Skills“ für abtragende laserbasierte Fertigungsverfahren in Skill-basierten Fertigungssystemen der Zukunft.

Vorgehen

Physik-informiertes verstärkendes Lernen (PI-RL) zur schnellen und sicheren Anpassung der Prozessparameter.
In eine Maschine integrierte Sensorik zur Überwachung und Bewertung von Qualitätsmerkmalen unmittelbar nach dem Abtragsprozess.
Rückkopplung zum PI-RL-Agenten, um die Beziehung zwischen Fertigungsparametern und Fertigungsqualität anhand der erfassten Daten zu erlernen.
Autonome Anpassung der wichtigsten Prozessparameter (Pulsenergie, Repetitionsrate und Scangeschwindigkeit) zur Einhaltung der Qualitätsanforderungen.

Nutzen

Für die Produktion: Steigerung der Agilität der Fertigung durch schnelle automatisierte und autonome Anpassung der Produktionsmaschine an neue Randbedingungen. Kostenreduktion durch weniger Ausschuss und geringere Anforderungen an die Erfahrung von Maschinenbedienern.
Für den zukünftigen Fahrzeugbesitzer: Komponenten können zuverlässiger und kostengünstiger hergestellt werden.