Mit Künstlicher Intelligenz (KI) will ein Forschungsteam vom Fraunhofer IPA die Lackierung von Kunststoffteilen im Automobil- und Nutzfahrzeugbau effizienter gestalten. Dazu sollen intelligente Algorithmen sämtliche Daten, die während des Lackierprozesses anfallen, auswerten und frühzeitig vor Fehlern warnen.
Die Lackierung gilt bis heute als ein nicht durchgängig beherrschbarer Prozess. Es drohen Ausschuss, Anlagenausfälle und Nacharbeit, weil zum Beispiel sehr häufig die vorgegebene Lackschichtdicke nicht überall eingehalten werden kann. Umso ambitionierter klingt da, was sich ein Forschungsteam vom Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA vorgenommen hat: Sie wollen die Anzahl der Fehler um 30 Prozent und die Stillstandszeiten um 20 Prozent senken. Außerdem sollen der jährliche Lackverbrauch und die Anlaufzeit neuer Farben um jeweils zehn Prozent verringert werden.
Erreichen wollen das die Wissenschaftlerinnen und Wissenschaftler, indem sie zunächst die Qualitätsdaten, also zum Beispiel sichtbare Lackierfehler oder die Messdaten der Lackierschichtdicke, mit den Prozessdaten aus der Anlagensteuerung zusammenführen. Aus den Daten soll dann ein feingranulares Verhaltensmodell entstehen, das mit einem maschinellen Lernverfahren ausgewertet wird. Die Algorithmen sollen frühzeitig drohende Qualitätsabweichungen erkennen und auch gleich auf deren Ursache hinweisen.
Konzentrieren wollen sich die Forscherinnen und Forscher dabei auf die Lackierung von Stoßfängern, Rückspiegeln, Türgriffen und anderen Anbauteilen aus Kunststoff im Automobil- und Nutzfahrzeugsektor. »In dieser Branche besteht ein großes Produktvolumen und damit auch ein lebhaftes Interesse an Effizienzsteigerungen«, sagt Oliver Tiedje, Leiter der Gruppe Nassapplikations- und Simulationstechnik am Fraunhofer IPA. »Außerdem liegt in Lackierprozessanlagen ein sehr hoher Automatisierungs- und Digitalisierungsgrad vor, was den Einsatz von KI erfolgversprechend macht.«