Untersuchung alternativer Sensoren und Datenanalysemethoden für Schraubprozesse
Jonathan Röske
Die zunehmende Digitalisierung der Produktion ermöglicht eine Effizienzsteigerung von robusten Fertigungstechnologien wie der Schraubtechnik. Die intelligente Nutzung und Auswertung von Prozessdaten ist dafür erforderlich. Dabei stoßen die heute in der Schraubtechnik eingesetzten Sensortechnologien und Analysemethoden an ihre Grenzen. Fehlerbilder können nur binär (IO/NIO) nach einem Schraubvorgang unterschieden werden. Qualitative Datenanalysen sind derzeit lediglich unter manuellem Aufwand möglich. Um die notwendige Effizienzsteigerung in der Schraubtechnik zu erzielen, bedarf es zusätzlicher und informationssteigernder Prozessdaten sowie automatisierter Datenanalysen. Das Ziel dieser Arbeit ist es, den Einsatz von alternativen Sensortechnologien und Analysemethoden zur Fehleridentifikation bei Schraubprozessen, durch die Generierung von zusätzlichen Prozessdaten und die automatisierte Datenanalyse, zu untersuchen, zu bewerten sowie für die industrielle Serienanwendung zu qualifizieren. Auf Basis von Prozesskurvencharakteristiken wurde dafür ein allgemeingültiger Fehlerkatalog erstellt. Die inhärente Sensorik eines sensitiven Leichtbauroboters und eine Low-Cost-Inertialsensorik wurden für das Generieren von alternativen Prozessdaten sowie für das Erkennen von prozessualen Schraubfehlern befähigt. Zudem wurden Algorithmen aus dem Bereich der statistischen Analysemethoden für die automatisierte und prädiktive Datenanalyse trainiert. Ergänzend erfolgte die Implementierung dieser alternativen Technologien in Serienprozesse.
