Ihr QS-Problem?
Die Produktion von Batterie- oder Brennstoffzellen-Stacks stellt die Hersteller derzeit vor große Herausforderungen. Die Herstellung der einzelnen Komponenten sowie die Montage der Stacks sind mit hohen Kosten verbunden und es gibt noch keinen stabilen Fertigungsprozess, geschweige denn ein zuverlässiges Verfahren zur Qualitätssicherung. Um der steigenden Nachfrage nach Batterie- und Brennstoffzellen gerecht zu werden und die Großserienproduktion von Stacks effizienter zu gestalten, wird eine Weiterentwicklung und Automatisierung der Produktionsprozesse angestrebt. In diesem Zusammenhang kommt die automatisierte akustische Überwachung ins Spiel.
Unsere Lösung
Was bei Schweißprozessen wie MIG und MAG bereits bewiesen wurde, soll nun auf die Qualitätssicherung in der Brennstoffzellenfertigung übertragen werden: Während der Fertigung zeichnen Mikrofone kontinuierlich die Prozessgeräusche auf. KI-Algorithmen analysieren diese Audiodaten echtzeitnah und das System meldet sofort Abweichungen im Prozess. So können potenzielle Probleme wie Materialfehler, Werkzeugverschleiß oder Montagefehler frühzeitig erkannt und behoben werden. Dort, wo herkömmliche Prüfverfahren an ihre Grenzen stoßen, bietet der zusätzliche Einsatz von platzsparenden und kostengünstigen akustischen Sensoren eine ergänzende Messmöglichkeit, die mittels KI zuverlässig ausgewertet werden kann.
Unser Technologiedemonstrator verdeutlicht auf einfache Weise, wie akustisches Monitoring in Ihrer Produktion einen echten Mehrwert liefern kann. Kommen Sie vorbei und erfahren Sie mehr darüber, wie wir Ihnen bei der Lösung Ihrer QS-Probleme helfen können.
Fraunhofer IDMT: Where AI means Audio Intelligence.
Fachvortrag
»KI-basiertes akustisches Monitoring industrieller Produktionsprozesse«
Dr.-Ing. habil. Katharina Anding, 19.2.2025, 11.30 Uhr
Die Herausforderungen in der Qualitätssicherung industrieller Produktionsprozesse liegen in der Realisierung nichtinvasiver (zerstörungsfreier), echtzeitfähiger und präziser Überwachungsverfahren sowie in der Auswahl und dem Einsatz geeigneter Sensortypen und angepasster KI-Algorithmen. Die Auswahl des Sensortyps, der Datenvorverarbeitung und der KI-Algorithmen spielt dabei eine wesentliche Rolle für die effiziente nichtinvasive und echtzeitfähige Erkennung und Klassifikation von Fehlerbildern und Prozessanomalien. Die Nutzung akustischer Sensordaten (z.B. Luft- und Körperschalldaten) stellt hierbei eine effektive Möglichkeit dar. Das Potenzial der akustischen Signalanalyse liegt in der Möglichkeit der Realisierung von Ereignis- bzw. Fehlerdetektion, permanenter Zustandsüberwachung, vorausschauender Wartung, kontinuierlicher Qualitätskontrolle, Prozessautomatisierung zur Effizienzsteigerung und Kosteneinsparung sowie Sicherheitsüberwachung für Anlagensicherheit und Arbeitsschutz. Im Rahmen des Vortrags werden KI-basierte intelligente akustische und multimodale Monitoringverfahren am Beispiel ausgewählter industrieller Prozesse vorgestellt.