Weniger AusschussVoestalpine: Künstliche Intelligenz soll CO2-Ausstoß verringern

Um Fehler in der Produktion zu vermeiden, setzt der Technologiekonzern Voestalpine auf Machine-Learning-Algorithmen des Grazer Know-Center. 3000 Tonnen CO2 sollen pro Jahr gespart werden.

×
Artikel gemerkt

Gemerkte Artikel können Sie jederzeit in Ihrer Leseliste abrufen. Zu Ihrer Leseliste gelangen Sie direkt über die Seiten-Navigation.

Zur Leseliste
Bei Gesenkschmiedeteilen für den Flugzeugbau werden Abweichungen nicht toleriert
Bei Gesenkschmiedeteilen für den Flugzeugbau werden Abweichungen nicht toleriert © Voestalpine
 

An die Fertigung in der Flugzeugindustrie werden enorm hohe Sicherheitsauflagen gestellt, denn hoch beanspruchte Bauteile unterliegen sehr strengen Sicherheits- und Qualitätskriterien. Dafür braucht es hochpräzise Schmiedeprozesse und die sind schwierig zu beherrschen. Treten Abweichungen von der in der Produktentwicklung definierten technischen Planung auf, müssen Bauteile entweder als abweichend deklariert, nachbearbeitet oder verschrottet werden. Das ist zeit- und kostenaufwendig.

Genau auf diese heiklen Bauteile hat sich die Voestalpine Böhler Aerospace in Kapfenberg spezialisiert und beliefert weltweit über 200 Kunden mit Präzisions-Hochleistungsbauteilen für die Luftfahrt. Besonders gefragt seien nach Konzernangaben hochwertige Luft- und Raumfahrt-Gesenkschmiedeteilen aus Titan, Nickel-basierten Legierungen und Spezialstählen.

Dabei werden Stahlrohlinge durch Schläge oder Pressenhübe auf einer Gesenkschmiedemaschine mit bis zu 35.500 Tonnen Presskraft in die gewünschte, hochpräzise Form gebracht. Eingesetzt werden diese Teile bei Flugzeugen beispielsweise als Triebwerksaufhängung, Landebeine, Turbinenscheiben und vielem mehr. Da es hier am Ende um Menschenleben gehen kann, werden Abweichungen nicht toleriert. Solche Fehler führen entweder zu teuren Nacharbeiten oder Ausschuss. 

Hohe Kosten

Das verursacht nicht nur hohe Kosten, sondern auch unnötigen Ausstoß von klimaschädlichen CO2. Deshalb hat sich die Voest mit dem Grazer Know-Center zusammengetan, um diesen Fertigungsprozess mithilfe von Künstlicher Intelligenz (KI) zu optimieren. Das Projekt mit dem Namen "BrAIN" hat das Ziel, den Ausschuss zu reduzieren und dadurch bis 2030 rund 3000 Tonnen CO2-Äquivalent pro Jahr zu sparen.

Dazu wurden Machine-Learning-Algorithmen mit historischen Maschinendaten der Voest gefüttert. Anhand dieser aufgezeichneten Sensordaten kann man die Charakteristik der unterschiedlichen Bauteile bestimmen. Das wird verwendet, um Simulationsmodelle zu verbessern. So kann die Produktion des Bauteils im Vorfeld von der KI durchgerechnet werden. "Ziel ist, dass die intelligenten Systeme auf Basis der durchgeführten Analysen Anpassungen der Produktionsparameter vorschlagen, die Fehler künftig vermeiden", heißt es seitens der Voest.

Bisher dauerten solche Rechenaufgaben über eine Woche. "Mit einer Kombination aus Machine-Learning- und numerischen Modellen dauern die Simulationen nur noch einen Bruchteil einer Sekunde", erklärt Roman Kern, Leiter der Area Knowledge Discovery am Know-Center. Das spare dem Unternehmen einiges an Entwicklungszeit und Kosten. Darüber hinaus sei dieses neue Modell in der Lage, selbstständig dazuzulernen, und wird so laufend besser. Auf diese Weise kombiniere das System historische Daten mit Ergebnissen aus aktuellen Simulationen.

Umwelt und Technik im Einklang

Für die Voest bedeutet das eine geringere Fehlerquote, weniger Verschwendung, weniger Umweltbelastung. Bei Know-Center hofft man darauf, dass dieses Projekt in der Schmiedeindustrie der Startschuss sein kann für eine Ausweitung des Einsatzes von KI bei industriellen Prozessen. "Nur so sind wir in der Lage, eine technologische Weiterentwicklung sicherzustellen und dennoch die Umwelt und Ressourcen zu schonen", betont Stefanie Lindstaedt, CEO des Know-Centers.

Diskutieren Sie mit - posten Sie als Erste(r) Ihre Meinung!