UP-KI-Data: KI-gestützte Prozessüberwachung beim Mehrdraht-Unterpulverschweißen

Zur frühzeitigen Erkennung von Produktionsfehlern beim Mehrdraht-Unterpulverschweißen entwickelt das Forschungsprojekt UP-KI-Data ein KI-basiertes Assistenzsystem für die Echtzeitüberwachung. Durch die intelligente Verknüpfung elektrischer, vibroakustischer und thermografischer Prozessdaten können Prozessinstabilitäten frühzeitig erkannt und die Qualität von Schweißnähten bereits während der Fertigung bewertet werden. Damit schafft das Projekt die Grundlage für eine digitale, ressourceneffiziente und reproduzierbare Schweißproduktion der nächsten Generation.

KI-basierte Auswertung von Prozessdaten

Das Unterpulverschweißen (UP) zählt zu den wichtigsten Schweißverfahren für die wirtschaftliche Herstellung dickwandiger Stahlkonstruktionen. Insbesondere beim Mehrdraht-Unterpulverschweißen ermöglichen mehrere Lichtbögen hohe Abschmelzleistungen und Produktivität. Gleichzeitig steigen jedoch die Anforderungen an eine stabile Prozessführung und reproduzierbare Schweißqualität.

Bisher erfolgt die Qualitätsbewertung von UP-Schweißnähten überwiegend durch nachgelagerte zerstörungsfreie Prüfungen, beispielsweise mittels Ultraschall oder Durchstrahlung. Fehler werden daher häufig erst nach Abschluss des Fertigungsprozesses erkannt.

Im Projekt werden verschiedene Prozessinformationen erstmals miteinander verknüpft. Hierzu gehören:

• Schweißstrom und Schweißspannung
• Drahtvorschubgeschwindigkeit
• vibroakustische Signale (Körperschall)
• thermografische Prozessdaten
• technologische Schweißparameter

Aus den synchron erfassten Sensordaten werden charakteristische Merkmale extrahiert und mit Verfahren des maschinellen Lernens ausgewertet. Ziel ist die Entwicklung eines KI-Modells, das Zusammenhänge zwischen Prozesssignalen und der resultierenden Schweißnahtqualität erkennt und automatisch bewertet.

Digitale Qualitätsüberwachung in Echtzeit

Das entwickelte System soll den Anlagenbediener während der Fertigung unterstützen und eine kontinuierliche Bewertung der Prozessstabilität ermöglichen. Prozessstörungen wie instabile Lichtbögen oder ungünstige Parameterkombinationen können frühzeitig erkannt werden, bevor kostenintensive Schweißfehler entstehen.

Langfristig bildet die entwickelte Datenbasis die Grundlage für:

• KI-unterstützte Qualitätsvorhersagen
• adaptive Prozessregelungen
• digitale Qualitätsdokumentation
• vollständige Rückverfolgbarkeit der Schweißprozesse

Forschungsschwerpunkte

Im Projekt werden insbesondere folgende Fragestellungen untersucht:

• mehrkanalige Datenerfassung beim Mehrdraht-Unterpulverschweißen
• Korrelation zwischen Prozesssignalen und Schweißnahtqualität
• Entwicklung von KI-Modellen zur Qualitätsbewertung
• Identifikation von Prozessinstabilitäten und Schweißfehlern
• Integration intelligenter Prozessüberwachung in industrielle Schweißanlagen

Nutzen für Industrie und Mittelstand

Die Ergebnisse des Projekts leisten einen wichtigen Beitrag zur Digitalisierung schweißtechnischer Fertigungsprozesse. Besonders kleine und mittlere Unternehmen profitieren von einer automatisierten Prozessüberwachung, da Ausschuss, Nacharbeit und Prüfaufwand reduziert werden können.

Anwendungsfelder sind unter anderem:

• Großrohrfertigung
• Offshore-Windenergieanlagen
• Schiffbau
• Druckbehälterbau
• Wasserkraftanlagen
• Stahl- und Schwermaschinenbau

Vorteile für Anwender

• Erhöhte Prozesssicherheit durch kontinuierliche Überwachung aller relevanten Schweißprozessdaten
• Früherkennung von Prozessabweichungen und potenziellen Schweißfehlern bereits während des Schweißens
• Reduzierung von Ausschuss und Nacharbeit durch rechtzeitige Korrektur von Prozessstörungen
• Weniger zerstörungsfreie Prüfungen durch KI-gestützte Qualitätsbewertung auf Basis von Prozessdaten
• Digitale Qualitätsdokumentation mit vollständiger Rückverfolgbarkeit aller Schweißparameter
• Höhere Wirtschaftlichkeit durch stabile Prozesse und reproduzierbare Schweißqualität
• Einfache Integration in bestehende automatisierte Unterpulverschweißanlagen
• Grundlage für Industrie 4.0 durch datenbasierte Prozessoptimierung und intelligente Assistenzsysteme