Fahrzeugbau / Automotive

KI in der Elektromotoren-Fertigung

Das Projekt KIKoSA an der Friedrich-Alexander-Universität Erlangen-Nürnberg hat sich zum Ziel gesetzt, die Qualität von Hairpin-Schweißungen mithilfe KI-gestützter 3D-Messtechnik inline zu überwachen und zu optimieren. Damit wird die Produktion von Elektromotoren deutlich effizienter werden.

33.655 Elektrofahrzeuge wurden im September 2021 in Deutschland zugelassen. Damit steigt deren Marktanteil auf 17,1 Prozent und überholt erstmals die Zahl der neu zugelassenen Diesel-Pkw mit einem Marktanteil von 15,9 Prozent.

Bei der Herstellung der Elektromotoren setzt ein Großteil der OEMs auf Statoren mit Hairpins – U-förmig gebogene Steckspulen aus beschichtetem Kupferflachdraht – statt der klassischen eingezogenen Runddrahtwicklung. Diese Technologie bietet entscheidende Vorteile: Der Motor hat eine hohe Leistung bei geringem Gewicht und die Statoren können in großen Stückzahlen produziert werden.

Auch in Bezug auf die Prüfbarkeit des Fertigungsprozesses haben Hairpins im Vergleich zu gewickelten Spulen Vorteile. Es gibt aktuell jedoch keine Bildverarbeitungsansätze, die in der Lage sind, Hairpin-Schweißungen in ihrer dreidimensionalen Struktur und in hinreichender Genauigkeit im Produktionstakt zu bewerten.

Etwa 160 bis 220 Hairpins werden bei der Montage miteinander verschweißt. Der Schweißprozess muss sicher, stabil und hochgenau ablaufen. Ansonsten kann das die Qualität der Statoren und damit des Motors stark beeinflussen. Da dieser Arbeitsschritt von zahlreichen Faktoren abhängt, stoßen herkömmliche Verfahren der Qualitätssicherung hier an ihre Grenzen.

Ziel: Inline-Lösung für das prozesssichere Laserschweißen

Forscher der Friedrich-Alexander-Universität (FAU) Nürnberg-Erlangen sowie Partner aus der Industrie arbeiten deshalb im Projekt „Künstliche Intelligenz zum prozesssicheren laserbasierten Kontaktieren von Statoren für elektrische Antriebe“ (KIKoSA) an einem schnellen, kostengünstigen Prüfverfahren, mit dem sich die Qualität der Schweißverbindungen zu 100 Prozent inline überwachen lässt.

Am Projekt beteiligt sind neben dem Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) der FAU die Unternehmen Ancud IT, BMW, GROB-WERKE, Lessmüller Lasertechnik und senswork. Gefördert wird KIKoSA vom Bayerischen Staatsministerium für Wirtschaft, Landesentwicklung und Energie. Das Forschungsprojekt mit einer Laufzeit von drei Jahren läuft noch bis Ende August 2023.

Um einen exakten und stabilen Laserschweißprozess sicherzustellen, entwickelt die senswork GmbH im Rahmen des Projekts ein 3D-Inspektionssystem auf Basis Künstlicher Intelligenz (KI). Der Deep-Learning-Ansatz ist entscheidend, da er die Modellierung von komplexen Zusammenhängen ermöglicht, die durch einfache Regeln nur mehr unzureichend beschrieben werden können. Durch die Kategorisierung von Abweichungen von der optimalen Schweißnahtausprägung lassen sich auch Rückschlüsse auf vorgelagerte Prozessschritte ziehen.

Die Aufgabe von senswork umfasst unter anderem die Entwicklung eines neuartigen Multisensor-3D-Moduls mit integrierter Kinematik sowie die Konzeption, Entwicklung und Umsetzung der Datenauswertung im Rahmen einer innovativen Hardware- und Software-Architektur. Nach einer Evaluationsphase im Labor wird das Konzept im Produktionsumfeld integriert.

Hohe Genauigkeit mit wenig Trainingsbildern

Für die Beurteilung der Qualität des Laserschweißvorgangs werden hochauflösende Daten der Schweißpunkte mithilfe eines 3D-Sensormoduls erfasst und mittels Deep Learning ausgewertet. Dazu implementiert der Experte im Bereich industrielle Bildverarbeitung eine selbstlernende Methode mit neuronalen Netzen. Für das Training des neuronalen Netzes wurden absichtlich Schweißfehler mit verschiedenen Prozessparametern erzeugt. Insgesamt lagen initial 660 3D-Datensätze vor. Durch Augmentierung – also synthetische Modifikation bestehender Daten – wurde die Anzahl der Eingangsdatensätze nochmals auf etwa 2.000 erhöht.

Mittelfristig wird mit KIKoSA das Konzept eines selbstregelnden Laserschweißprozesses verfolgt. Mit der KI-gestützten Fehlerinspektion in 3D lässt sich das Laserschweißen effizient automatisieren und gleichzeitig qualitativ absichern. Angesichts der aktuellen Forschungsresultate ist die Annahme berechtigt, dass die Methodik zu einem Qualitätssprung in der Elektromotorenfertigung beitragen wird.

Über die senswork GmbH

senswork ist Experte für Komplettlösungen im Bereich der industriellen Bildverarbeitung, der optischen Inspektion, Deep Learning und im Prüfgerätebau. Unsere Lösungen zur Automatisierung und Qualitätssicherung werden täglich in zahlreichen Branchen wie der Automobilindustrie, dem Maschinenbau oder der Medizintechnik eingesetzt. Von unseren Standorten Burghausen und München aus betreuen wir namhafte Kunden aus Industrie und Forschung.

Firmenkontakt und Herausgeber der Meldung:

senswork GmbH
Gewerbepark Lindach D 3
84489 Burghausen
Telefon: +49 (8677) 4099580
Telefax: +49 (8677) 4099589
https://senswork.com

Ansprechpartner:
Evelyn Haid
Marketing
Telefon: +49 (8677) 4099585
Fax: +49 (8677) 4099589
E-Mail: evelyn.haid@senswork.com
Für die oben stehende Story ist allein der jeweils angegebene Herausgeber (siehe Firmenkontakt oben) verantwortlich. Dieser ist in der Regel auch Urheber des Pressetextes, sowie der angehängten Bild-, Ton-, Video-, Medien- und Informationsmaterialien. Die United News Network GmbH übernimmt keine Haftung für die Korrektheit oder Vollständigkeit der dargestellten Meldung. Auch bei Übertragungsfehlern oder anderen Störungen haftet sie nur im Fall von Vorsatz oder grober Fahrlässigkeit. Die Nutzung von hier archivierten Informationen zur Eigeninformation und redaktionellen Weiterverarbeitung ist in der Regel kostenfrei. Bitte klären Sie vor einer Weiterverwendung urheberrechtliche Fragen mit dem angegebenen Herausgeber. Eine systematische Speicherung dieser Daten sowie die Verwendung auch von Teilen dieses Datenbankwerks sind nur mit schriftlicher Genehmigung durch die United News Network GmbH gestattet.

counterpixel