Rybak + Hofmann rhv-Technik GmbH + Co. KG
Kontakt am KI-Fortschrittszentrum
Christof Nitsche
Anwendungsfälle für Künstliche Intelligenz im Bereich thermische Spritzverfahren und Oberflächenbeschichtung
Ausgangssituation
Rhv-Technik ist ein in Waiblingen ansässiger Mittelständler und bietet innovative und individuelle Lösungen im Bereich der Oberflächentechnik, überwiegend mittels thermischer Spritzverfahren. Thermisch gespritzte Bauteile kommen heute in fast allen Branchen zum Einsatz, um Materialien an individuelle Anwendungsfälle anzupassen, die Haltbarkeit zu erhöhen und Ausfälle zu reduzieren. Rhv-Technik entwickelt hierfür individuelle Beschichtungen zusammen mit seinen Kunden. Dabei kommen verschiedene Verfahren zum Einsatz, wodurch zugleich ein breites Spektrum an Maschinen genutzt wird. Die Losgrößen sind aufgrund der sehr spezialisierten Einsätze vergleichsweise klein.
Im Rahmen des AI Explorers sollte ergründet werden, welche Anwendungsfälle für Künstliche Intelligenz (KI) sich im Bereich des thermischen Spritzens für ein Unternehmen wie Rhv-Technik aus dem aktuellen Stand der Forschung ergeben. Zudem sollte das Bewusstsein innerhalb des Unternehmens für die Themen KI und Digitalisierung gefördert werden.
Vorgehen
Der Wissensaufbau sowie die Identifikation und Bewertung der Anwendungsfälle erfolgte über drei Workshops hinweg. Im ersten Workshop wurden die Grundkenntnisse für KI sowie deren Potenzial in der Produktion vermittelt. Zudem wurde der Stand im Unternehmen erfasst und potenzielle Anwendungsfelder identifiziert. Daran schloss sich der zweite Workshop an, in dessen Rahmen der Stand der Forschung vorgestellt und vier potenzielle Anwendungsfälle skizziert wurden. Diese wurden Nutzwertanalyse unterzogen, um Mehrwert sowie Aufwand abzuschätzen. Aus den vier Use Cases wurden dann zwei Anwendungsfälle konkretisiert und im Rahmen des letzten Workshops besprochen sowie eine Empfehlung für die Umsetzung gegeben.
Ergebnisse
Aus den Workshops ergaben sich folgende vier Anwendungsfälle:
- Vorhersage von Schichtparametern anhand öffentlicher und interner Datensätze
- Audioakustische Prozessüberwachung mittels Anomalieerkennung
- Qualitätskontrolle durch ein handgeführtes System
- Predictive Maintenance anhand von Auftrags- und Wartungsdaten mittels Hidden Markov Model
Nach der Nutzwertanalyse zeigte sich, dass für eine mittelfristige, kostengünstige Umsetzung vor allem Anwendungsfall 1 und 4 vielversprechend sein können. Der Nutzen aller Use Cases war fast identisch, während 1 und 4 sich mit wesentlich weniger Aufwand umsetzen lassen. Anwendungsfall 4 ist zudem zu präferieren und soll daher gegebenenfalls in einem Quick Check weitergeführt werden.
