Konzeptionierung und Implementierung einer bildbasierten Online-Qualitätssicherung für den automatisierten Faserlegeprozess

Kurzfassung

Problemstellung Der Einsatz von Bauteilen aus faserverstärkten Kunststoffen bietet im Hinblick auf die Gestaltungsflexibilität, Steifigkeit und Gewichtsersparnis viele Vorteile. Speziell im Bereich der Luft- und Raumfahrt, dem Automobilbau und der Windenergie finden faserverstärkte Kunststoffe großen Zuspruch. Für den industriellen Einsatz in der Serienfertigung muss der Fertigungsprozess möglichst kostengünstig realisiert werden, um die genannten Vorteile nutzen zu können. Ein vielversprechendes Konzept zur effizienten und effektiven Produktion von großskaligen Faserverbundbauteilen ist die simultane Faserablage mit mehreren flexibel agierenden Faserlegeeinheiten. Dieses Konzept ist beim Deutschen Zentrum für Luft- und Raumfahrt, am Zentrum für Leichbauproduktionstechnologien in Stade, durch die Forschungsplattform GroFi realisiert. Es besteht die Möglichkeit der Integration unterschiedlicher Faserlegeverfahren, unter Verwendung diverser Materialien, in einem ganzheitlichen Fertigungsprozess. Abhängig vom Fertigungsverfahren und verwendeten Material können verschiedene Arten von Prozessfehlern, bei der Ablage von Fasermaterial auf einem Formwerkzeug, auftreten. Die Vielfalt der möglichen Fehler reicht hierbei von großen, gut sichtbaren Prozessfehlern, über Verschmutzungen oder Fremdkörper am und im Material, bis hin zu kleinsten, visuell nicht erkennbaren Fehlpositionierungen des Fasermaterials. Diese Fehler müssen erkannt und behoben oder zumindest berücksichtigt werden. Nach dem aktuellen Stand der Technik erfolgt die Qualitätssicherung durch eine manuelle Inspektion. Hierzu wird jede abgelegten Lage Fasermaterial wird durch einen hierfür ausgebildeten Werker kontrolliert. Dieses Vorgehen bringt mehrere Nachteile mit sich. Zum einen dauert die Prüfung einer fertig abgelegten Materiallage deutlich länger als der eigentliche Prozess der Faserablage. Des Weiteren ist die Güte eines manuellen Prüfschrittes deutlich von der Erfahrung und Verfassung des Kontrolleurs abhängig. Darüber hinaus existieren Arten von Prozessfehlern, welche durch eine rein visuelle, manuelle Prüfung gar nicht erfasst werden können. Als Konsequenz werden bei der Auslegung eines Bauteils sehr hohe Sicherheiten benötigt. Dies führt dazu, dass in den meisten Fällen deutlich mehr Material verwendet wird als eigentlich erforderlich ist. Darüber hinaus müssen relativ aufwendige Tests zur abschließenden Bauteilprüfung durchgeführt werden. Wird hierbei ein nicht tolerierbarer Fehler detektiert, wird das gesamte Bauteil nicht weiter verwendet. Zielsetzung Das übergeordnete Ziel ist die Steigerung der Effizienz und Effektivität des gesamten Faserlegeprozesses. Das konkrete Ziel ist die Minimierung des nachgeschalteten, manuellen Prüfaufwandes einer Faserablage und die Erhöhung der Güte des Qualitätssicherungsprozesses. Hierzu ist ein erweiterbares Konzept zur automatisierten, prozessintegrierten, online Qualitätssicherung für den automatisierten Faserlegeprozess zu entwickeln. Dieses soll im Nachlauf der Faserablage zur Kontrolle des zuvor aufgebrachten Materials dienen. Aufgrund der relativ hohen Ablegegeschwindigkeit und der vergleichsweise kurzen Verfahrzeit zwischen zwei Ablegebahnen, muss die Dauer einer Berechnung möglichst kurz sein. Hierzu ist eine kaskadische Berechnungsstruktur zu entwickeln. Diese soll die frühzeitige und automatisierte Erkennung und Bewertung der Fasermaterialablage ermöglichen und so den nachgeschalteten, manuellen Prüfaufwand minimieren. Zur Steigerung der Systemperformance sollen zeitkritischen Abschnitte der Berechnung parallelisiert werden. Das Qualitätssicherungskonzept muss die Möglichkeit der Fehlerdetektion, der Klassifizierung des Fehlertyps und der Vermessung eines Prozessfehlers bieten. Zur Adaption des Konzepts an verschiedene Legeverfahren und Fasermaterialien ist die Klassifizierung der Prozessfehler durch Verfahren des maschinellen Lernens zu realisieren. Aufgrund der Eigenschaften des Prozesses ist für die Datenakquise ein Laserlichtschnittsensor zu verwenden. Vorgehen In diesem Abschnitt wird das Vorgehen zur Realisierung und Dokumentation der Ziele des Abschnitts 1.2 erläutert. Zunächst werden in Kapitel 2 theoretische Grundlagen sowie der aktuelle Stand der Technik erläutert. Diese dienen dazu ein tieferes Verständnis für das Gesamtsystem und die vorliegende Problematik zu generieren. Darüber hinaus werden hier, für das Verständnis der Arbeit notwendige, theoretische Grundlagen erläutert. Im Speziellen wird in diesem Abschnitt auf die Grundlagen der Bildverarbeitung, der parallele Datenverarbeitung mit CUDA und dem maschinelle Lernverfahren der Support Vector Machine eingegangen. Im Kapitel 3 wird darauf aufbauend die Umsetzung des integrierten online Qualitätssicherungskonzepts für den automatisierten Faserlegeprozess erläutert. Der Fokus liegt hierbei zum einen auf der Entwicklung eines Konzepts zur Integration des online Qualitätssicherungssystems in den automatisierten Faserlegeprozess. Zum anderen wird das kaskadische Vorgehen zur Detektion, Klassifizierung und Vermessung von Prozessfehlern des Faserlegeprozesses erläutert. Zeitkritische Bereiche werden hierbei identifiziert und der Berechnungsvorgang parallel auf einer GPU ausgeführt. Die parallele Vielkernberechnung wird in dieser Arbeit durch eine CUDA basierte Implementierung realisiert. Die Klassifizierung unterschiedlicher Fehlertypen erfolgt im erstellten Konzept durch die Verwendung maschineller Lernverfahren. Im Rahmen dieser Arbeit wird hierzu das Verfahren der Support Vector Machine aus der Bibliothek libSVM verwendet. Bildverarbeitende Berechnungsschritte werden in dieser Arbeit meistens durch die Verwendung der Funktionalitäten der Bibliothek OpenCV realisiert. Für die Umsetzung in dieser Arbeit wird ein Laserlichtschnittsensor in das System integriert. Das nachfolgende Kapitel 4 dient der Ermittlung günstiger Parameter und der Validierung des Systems. Vorab werden hierzu aus verschiedenen Versuchsszenarien sinnvolle Systemparameter abgeleitet und die Güte und Funktionsweise der einzelnen Systemkomponenten beurteilt. Abschließend werden Versuche mit einer vorab definierten, konstanten Parametrierung durchgeführt und die Performance des Systems analysiert. Abschließend folgt im Kapitel 5 eine Zusammenfassung der wichtigsten Ergebnisse dieser Arbeit sowie ein Ausblick und Weiterentwicklungsansätze für die zukünftige Forschung.