07.06.2022 – Kategorie: Fertigung & Prototyping

Laserschweißen von Hairpins: Mit KI zu 100 Prozent unter Kontrolle

Laserschweißen von Hairpins: 100-Prozent-KontrolleQuelle: Lehrstuhl FAPS/FAU

Das Laserschweißen von Hairpins für Elektromotoren lässt sich mit KI-gestützter 3D-Messtechnik inline überwachen und optimieren.

  • Das Projekt KIKoSA an der Friedrich-Alexander-Universität Erlangen-Nürnberg hat sich zum Ziel gesetzt, das Laserschweißen von Hairpins mithilfe KI-gestützter 3D-Messtechnik inline zu überwachen und zu optimieren.
  • Damit soll die Produktion von Elektromotoren deutlich effizienter werden.

Bei der Herstellung der Elektromotoren setzt ein Großteil der OEMs auf Statoren mit Hairpins – U-förmig gebogene Steckspulen aus beschichtetem Kupferflachdraht – statt der klassischen eingezogenen Runddrahtwicklung. Diese Technologie bietet entscheidende Vorteile: Der Motor hat eine hohe Leistung bei geringem Gewicht und die Statoren lassen sich in großen Stückzahlen produzieren. Auch in Bezug auf die Prüfbarkeit des Fertigungsprozesses haben Hairpins im Vergleich zu gewickelten Spulen Vorteile. Es gibt aktuell jedoch keine Bildverarbeitungsansätze, die in der Lage sind, die mit Laserschweißen entstandenen Verbindungen in ihrer dreidimensionalen Struktur und in hinreichender Genauigkeit im Produktionstakt zu bewerten.

Etwa 160 bis 220 Hairpins werden bei der Montage miteinander verschweißt. Der Schweißprozess muss sicher, stabil und hochgenau ablaufen. Ansonsten kann das die Qualität der Statoren und damit des Motors stark beeinflussen. Da dieser Arbeitsschritt von zahlreichen Faktoren abhängt, stoßen herkömmliche Verfahren der Qualitätssicherung hier an ihre Grenzen.

Ziel: Inline-Lösung für das prozesssichere Laserschweißen

Forschende der Friedrich-Alexander-Universität (FAU) Nürnberg-Erlangen sowie Partner aus der Industrie arbeiten deshalb im Projekt „Künstliche Intelligenz zum prozesssicheren laserbasierten Kontaktieren von Statoren für elektrische Antriebe“ (KIKoSA) an einem schnellen, kostengünstigen Prüfverfahren, mit dem sich die Qualität der Schweißverbindungen zu 100 Prozent inline überwachen lässt.

Am Projekt beteiligt sind neben dem Lehrstuhl für Fertigungsautomatisierung und Produktionssystematik (FAPS) der FAU die Unternehmen Ancud IT, BMW, Grob-Werke, Lessmüller Lasertechnik und senswork. Das Bayerische Staatsministerium für Wirtschaft, Landesentwicklung und Energie fördert KIKoSA. Das Forschungsprojekt mit einer Laufzeit von drei Jahren läuft noch bis Ende August 2023.

3D-Inspektionssystem auf Basis künstlicher Intelligenz

Um einen exakten und stabilen Laserschweißprozess sicherzustellen, entwickelt die senswork GmbH im Rahmen des Projekts ein 3D-Inspektionssystem auf Basis Künstlicher Intelligenz (KI). Der Deep-Learning-Ansatz ist entscheidend, da er die Modellierung von komplexen Zusammenhängen ermöglicht. Denn diese lassen sich durch einfache Regeln nur mehr unzureichend beschreiben. Durch die Kategorisierung von Abweichungen von der optimalen Schweißnahtausprägung lassen sich auch Rückschlüsse auf vorgelagerte Prozessschritte ziehen.

Die Aufgabe von senswork umfasst unter anderem die Entwicklung eines neuartigen Multisensor-3D-Moduls mit integrierter Kinematik sowie die Konzeption, Entwicklung und Umsetzung der Datenauswertung im Rahmen einer innovativen Hardware- und Software-Architektur. Nach einer Evaluationsphase im Labor wird das Konzept im Produktionsumfeld integriert.

Im Rahmen des Forschungsprojekts KIKoSA entwickelt senswork ein 3D-Inspektionssystem auf Basis Künstlicher Intelligenz (KI). Bild: senswork

Hohe Genauigkeit mit wenig Trainingsbildern beim Laserschweißen

Für die Beurteilung der Qualität des Laserschweißvorgangs erfasst ein 3D-Sensormodul hochauflösende Daten der Schweißpunkte. Diese lassen sich dann mittels Deep Learning auswerten. Dazu implementiert der Experte im Bereich industrielle Bildverarbeitung eine selbstlernende Methode mit neuronalen Netzen. Für das Training des neuronalen Netzes hat man absichtlich Schweißfehler mit verschiedenen Prozessparametern erzeugt. Insgesamt lagen initial 660 3D-Datensätze vor. Durch Augmentierung – also synthetische Modifikation bestehender Daten – wurde die Anzahl der Eingangsdatensätze nochmals auf etwa 2’000 erhöht.

Mittelfristig wird mit KIKoSA das Konzept eines selbstregelnden Laserschweißprozesses verfolgt. Mit der KI-gestützten Fehlerinspektion in 3D lässt sich das Laserschweißen effizient automatisieren und gleichzeitig qualitativ absichern. Angesichts der aktuellen Forschungsresultate ist die Annahme berechtigt, dass die Methodik zu einem Qualitätssprung in der Elektromotorenfertigung beitragen wird.

Bild oben: Bei der Herstellung der Elektromotoren setzt ein Großteil der OEMs auf Statoren mit Hairpins – U-förmig gebogene Steckspulen aus beschichtetem Kupferflachdraht. Die Qualitätskontrolle beim Laserschweißen der Hairpins ist allerdings nicht ganz einfach. (Bild: Lehrstuhl FAPS/FAU)

Weitere Informationen: https://senswork.com/de/

Erfahren Sie hier mehr über KI-Verfahren in der Produktion.

Lesen Sie auch: „Dezentrale Automatisierung: Wo man findet, was man dafür braucht“


Teilen Sie die Meldung „Laserschweißen von Hairpins: Mit KI zu 100 Prozent unter Kontrolle“ mit Ihren Kontakten:


Scroll to Top