Innovative KI-basierte Qualitätskontrolle für stabileres Laserschneiden in der Elektromobilität
Laserschneiden ist ein etabliertes Trennverfahren ohne Werkzeugverschleiß für metallische und nicht-metallische Werkstücke unterschiedlicher Materialdicken und beliebiger Schnittkontur. Dadurch ist es prädestiniert für die Fertigung von Komponenten des elektrifizierten Antriebsstrangs. Kupfer als besonders wichtiger Werkstoff der Elektrifizierung stellt wegen der geringen Absorptivität bei üblichen Laserwellenlängen besondere Herausforderungen an den Schneidprozess. Erst durch eine Prozessregelung wird es möglich wichtige Bauteile wie Kupfer-Pins aus 0,5 mm dünnem Kupferblech oder Stromableiter (sogenannte Busbars) im Blechdickenbereich von 6 bis 8 mm zuverlässig herzustellen.
Ziel ist die Entwicklung einer Prozessregelung, um wirtschaftliche und zuverlässige Laserschneidprozesse von Kupfermaterialien zu ermöglichen.
Im Projekt werden moderne Algorithmen aus dem Bereich des maschinelle Lernens verwendet, um Informationen aus multivariaten Sensordaten zu gewinnen. Aus diesen Informationen werden unter Berücksichtigung physikalischer Prozessmodelle Kenngrößen zur Bewertung der Schneidqualität abgeleitet. Durch Rückkopplung auf den Prozess wird so eine Regelung ermöglicht. Hierbei setzt IC9 – CutAIye auf Regelkonzepte aus dem Bereich der künstlichen Intelligenz wie etwa Reinforcement Learning.
Dieser Ansatz geht weit über Stand der Technik des Laserschneidens hinaus, da eine regelungstechnische Abbildung vom hochdimensionalen Raum der Messgrößen auf den ebenfalls hochdimensionalen Raum der Stellgrößen ermöglicht wird. Hierdurch können die Schneidparameter wie Laserleistung, Schneidgeschwindigkeit und Gasdruck, die sich wechselseitig beeinflussen und deren Interaktion eine hohe Komplexität aufweist, geregelt werden.