de.wedoany.com-Bericht: Das spanische SARA-Projekt, eine Initiative zur Förderung der Entwicklung neuartiger autonomer Fertigungssysteme, zielt darauf ab, durch die Integration verschiedener Technologien wie künstlicher Intelligenz, föderiertem Lernen, maschinellem Sehen, Robotik und Blockchain die im Fertigungsprozess generierten Daten in entscheidungsrelevantes Wissen umzuwandeln. Das Projekt wird vom CDTI (Zentrum für industrielle technologische Entwicklung Spaniens) und der AEI (Spanische Innovationsagentur) gefördert und vereint ein Konsortium aus Unternehmen wie Fagor Automation und ein Konsortium aus Forschungseinrichtungen wie dem Zentrum für Luftfahrtfortschrittliche Fertigung (CFAA) der Universität des Baskenlandes, um die Technologien in realen Szenarien anhand von fünf industriellen Demonstratoren zu validieren.
Das CFAA übernimmt in diesem Projekt drei Forschungsrichtungen, die darauf abzielen, die Autonomie von Fertigungssystemen zu erhöhen. Die erste Arbeitslinie konzentriert sich auf die Anwendung von föderiertem Lernen für die intelligente Überwachung von Werkzeugmaschinenprozessen, einschließlich des Zustandsmanagements von Kühlschmierstoffen und der Vorhersage der Restlebensdauer von Werkzeugen. Das dafür entwickelte experimentelle System „Matabichos" integriert ein physikalisches Behandlungssystem auf Basis von UV-C-Strahlung und Druckluftblasen sowie eine intelligente Überwachungsplattform. Experimentelle Validierungen zeigen, dass das System die Gesamtbakterienzahl und Pseudomonaden signifikant reduzieren und kontinuierlich die Entwicklung von Variablen wie Trübung, Leitfähigkeit, pH-Wert und Temperatur aufzeichnen kann. Derzeit wird das System in einen 500-Liter-Tank überführt, der näher an industriellen Bedingungen ist, um getestet zu werden.
Die zweite Arbeitslinie betrifft die autonome robotergestützte Fertigung und entwickelt ein System zur adaptiven Bahngenerierung für Entgratungsoperationen. Dieses System verarbeitet Konturabweichungssignale, die in einfachen Bildern erkannt werden, und generiert in Echtzeit Werkzeugbahnen, die an die tatsächlichen Bedingungen des Werkstücks angepasst sind. Es kann Kanten und Grate schnell erkennen und die Bearbeitungsbedingungen dynamisch an deren Größe anpassen. Tests zeigen, dass die Technologie einen Skalierungsfaktor von weniger als einem Zehntel Millimeter erreichen kann und in der Messrichtung mindestens 5 Megapixel erforderlich sind. Derzeit werden autonome Programmierwerkzeuge entwickelt, die es Robotern ermöglichen, Arbeitsbahnen basierend auf der gemessenen Geometrie automatisch zu modifizieren.
Die dritte Arbeitslinie führt Blockchain-Technologie und digitale Identitäten ein, um eine Vertrauensebene für Industriedaten hinzuzufügen. Es wurde eine Architektur entwickelt, die dezentrale Identifikatoren (DIDs), überprüfbare Nachweise und ein privates Blockchain-Netzwerk auf Basis von Hyperledger Fabric kombiniert. Validierungen an einer Ibarmia THR 16 Werkzeugmaschine zeigen, dass der gesamte Authentifizierungsprozess für eine 2 MB große CSV-Datei etwa 2,388 Sekunden dauert, was darauf hindeutet, dass die Einführung digitaler Identitäten und Authentifizierungsmechanismen nur einen geringen zeitlichen Mehraufwand verursacht und mit den üblichen Abläufen der industriellen Datenerfassung kompatibel ist. Der aktuelle Arbeitsschwerpunkt liegt auf der Erweiterung dieser Architektur, um sie für komplexere Industrieszenarien anwendbar zu machen und die Interoperabilität zwischen Herstellern, Zulieferern und Kunden zu fördern.
Das SARA-Projekt adressiert das Thema Autonomie aus einer ganzheitlichen Perspektive, die den gesamten Prozess von der Prozessdefinition über die Ausführung, Überwachung, Wartung bis hin zur Planung umfasst. Ziel ist es, eine technologische Architektur zu entwickeln, die autonomere, intelligentere und stärker vernetzte Fertigungssysteme vorantreibt, sodass Maschinen ihre Umgebung verstehen, aus Erfahrungen lernen und zunehmend intelligent handeln können. Die Forschungsergebnisse des Projekts sind von großer Bedeutung für die Steigerung der Wettbewerbsfähigkeit von Hochwertfertigungsindustrien wie der Luft- und Raumfahrt.
Um seine Ziele zu erreichen, hat das Projekt fünf industrielle Demonstratoren eingerichtet, die sich jeweils auf die autonome Unterstützung bei der Definition neuer Prozesse, die Unterstützung bei der Definition von Prozessparameteranpassungen und Überwachung an Werkzeugmaschinen, die Autonomie der vorausschauenden Wartung von Maschinenkomponenten, die Autonomie der Roboterfertigung und die Autonomie der flexiblen Fabrikplanung konzentrieren.
In Bezug auf konkrete technologische Fortschritte hat das vom CFAA entwickelte Matabichos-System für das Kühlschmierstoffmanagement in experimentellen Validierungen seine Wirksamkeit gezeigt. Vergleichstests mit zwei 25-Liter-Tanks zeigten, dass die Oberflächenverunreinigungen im behandelten Tank bis zum fast vollständigen Verschwinden reduziert wurden, und mikrobiologische Analysen bestätigten eine signifikante Verringerung der Gesamtbakterienzahl. Das Überwachungssystem zeichnete während eines einmonatigen realen Datenerfassungszeitraums erfolgreich kontinuierlich die Veränderungen der Schlüsselvariablen auf.
Im Bereich des robotergestützten Entgratens hat das Projekt eine auf Bildverarbeitung basierende Konturerkennungstechnologie entwickelt. Durch Aufnahme von 24-Megapixel-Fotos mit einem Fotoapparat bei einem Abstand von 420 mm und anschließender Reduzierung der Auflösung mit Bearbeitungswerkzeugen für Tests zeigte sich, dass in der Erkennungsrichtung mindestens 5 Megapixel erforderlich sind. Die Technologie verarbeitet Bilder durch Schritte wie Kalibrierung, Segmentierung, Erkennung und Skalierung, um Roboterbahnen zu generieren, die an die tatsächlichen Bedingungen des Werkstücks angepasst sind.
Auf der Ebene des Datenvertrauens zeigt die Leistungsanalyse der Blockchain-Lösung, dass der zeitliche Mehraufwand für den Authentifizierungsprozess gering ist. Für eine 2 MB große CSV-Datei dauert die Erstellung eines überprüfbaren Nachweises etwa 2,29 Sekunden, die SHA-256-Hash-Berechnung 2,6 Millisekunden und das Schreiben des Hashes in die Blockchain 94,8 Millisekunden. Die Tests zeigen, dass diese Architektur als zusätzliche Vertrauensebene auf der bestehenden industriellen Infrastruktur machbar ist.
Die Bildverarbeitungsphase umfasst die Kalibrierung, die Aufnahme von Werkstückfotos, die Segmentierung von Werkstück und Hintergrund sowie die Konturerkennung unter Verwendung der nominalen Geometrie als Schablone. Anschließend werden morphologische Operationen angewendet, um große Grate zu filtern, eine Millimeter/Pixel-Skalierung basierend auf der Lochgröße durchgeführt und schließlich die Konturgeometrie geglättet, die als Leitlinie für die aktualisierte Roboterbewegung dient.
Das Projekt hat für diese Anwendung geeignete Erfassungssysteme analysiert und Technologien wie Tastmessung, strukturiertes Licht und Laser ausgeschlossen.
Schließlich wurde die Bildverarbeitung mit einem Fotoapparat ausgewählt, da es sich um eine schnelle und kostengünstige Technologie handelt, deren Genauigkeit innerhalb des definierten Bereichs liegt und die für Kantenanwendungen auf ebenen Flächen geeignet ist. Die Machbarkeit dieser Technologie wurde in einem vorläufigen Aufbau mit einem Keramik-Endmaß der Klasse 0 (Länge 100 mm) und einem Kalibrierloch eines IIW-Type1-Blocks (50,8 mm) getestet.
Die Tests umfassten die Aufnahme eines Fotos mit einer 24-Megapixel-Kamera bei einem Abstand von 420 mm. Anschließend wurde durch Reduzierung der Bildauflösung deren Einfluss auf die Messung der Endmaßlänge untersucht. Die Ergebnisse zeigen, dass die Technologie einen Skalierungsfaktor von weniger als einem Zehntel Millimeter erreichen kann und in der Messrichtung mindestens 5 Megapixel erforderlich sind.
Für die Segmentierung werden verschiedene Konturerkennungsalgorithmen und Filtertechniken untersucht, bis optimale Parameter gefunden sind, um eine vollständige geschlossene Kontur des Zielwerkstücks zu erhalten.
Im Bereich Blockchain kombiniert die entwickelte Architektur dezentrale Identifikatoren (DIDs), überprüfbare Nachweise und ein privates Blockchain-Netzwerk auf Basis von Hyperledger Fabric. Die von der Maschine generierten Daten werden als digitale Nachweise strukturiert und signiert und anschließend im Data Lake des CFAA gespeichert. Von jedem Nachweis wird ein kryptografischer Hash (SHA-256) berechnet, und nur dieser Nachweis wird in der Blockchain gespeichert, um die Datenintegrität zu überprüfen und gleichzeitig die Systemeffizienz zu erhalten.
Die Validierung der Blockchain-Lösung wurde an einer Ibarmia THR 16 Werkzeugmaschine durchgeführt.
Die Leistungsanalyse zeigt, dass der gesamte Authentifizierungsprozess für eine 2 MB große CSV-Datei etwa 2,388 Sekunden dauert.
Obwohl die Entwicklung der einzelnen Technologien noch andauert, validieren die bisher erzielten Ergebnisse die Machbarkeit der vorgeschlagenen Lösungen und legen den Grundstein für den weiteren Fortschritt hin zu einer autonomer vernetzten und effizienteren Fertigungsumgebung. Das Projekt stellt einen bedeutenden Schritt in Richtung einer neuen Generation von Fabriken dar, die nicht nur Prozesse automatisieren, sondern auch lernen, zusammenarbeiten und Entscheidungen auf der Grundlage zuverlässiger Informationen treffen können.
