Machine-Learning-basierte Parameteroptimierung beim Laserschneiden
Fraunhofer IPA und TRUMPF nutzen Machine Learning mit Transfer Learning, um Maschinenparameter für das Laserschneiden von Blechen automatisch zu kalibrieren und so Schnittqualität und Ausschuss zu verbessern.
Vertiefung
Die manuelle Einstellung von Maschinenparametern für die Blechbearbeitung ist zeitaufwendig und liefert bei wechselnden Materialeigenschaften oft suboptimale Ergebnisse. Fraunhofer IPA entwickelte gemeinsam mit dem Werkzeugmaschinenhersteller TRUMPF ein KI-Optimierungsverfahren mit Transfer Learning, das aus vorhandenen Maschinendaten und Qualitätskennzahlen automatisch optimale Einstellungen ableitet. In realen Tests an Flachbett-Laserschneidmaschinen von TRUMPF verbesserte das Verfahren mit geringem Aufwand die Schnittkantenqualität, senkte die Ausschussrate und reduzierte die Produktionskosten, insbesondere bei Materialschwankungen. Die Methodik gilt laut den Forschenden als auf weitere Fertigungsverfahren wie Spritzguss, Batteriezellfertigung oder Kabelkonfektion übertragbar.