IQMet: KI-gestützte In-line-Qualitätsbestimmung metallischer Bauteile

Zerstörungsfreie Qualitätskontrolle metallischer Bauteile

Die metallische Mikrostruktur spielt eine wesentliche Rolle für die mechanischen Eigenschaften von Bauteilen. Durch oberflächliche Härtung wird Verschleißreduktion und damit eine längere Betriebsdauer erreicht, etwa an Lagerstellen von Wellen in Motoren, Generatoren oder Schienenrädern. Eine Qualitätssicherung nach dem Stand der Technik erfolgt derzeit nur statistisch durch mikroskopische Prüfung gezogener und zerstörter Proben. Es besteht jedoch großer Bedarf an einer zerstörungsfreien, inline-fähigen Kontrolle, da eine Probennahme nicht immer möglich und eine 100-Prozent-Kontrolle für eine durchgehende Qualitätssteigerung erforderlich ist.

KI-gestützte Auswertung von Laser-Ultraschall

Laser-Ultraschall hat für einige Stähle bereits hohes Potenzial zur Messung der Härtungstiefe gezeigt. Die konventionelle Signalauswertung wie Mittelung und Filterung ist jedoch nur begrenzt fähig, da sie kaum Informationsgewinn aus dem scheinbaren Rauschen der Ultraschallsignale ermöglicht. KI-Modelle sollen die Ultraschallbilddaten nach einer Trainingsphase deutlich besser interpretieren. Eingesetzt werden fortschrittliche Methoden für maschinelles Lernen, Datenanalyse und -exploration, darunter moderne Architekturen wie Vision Transformers und ResNets.

Lösungsansätze bei der Annotation

Um den Engpass bei der Annotation zu adressieren, verfolgt das Projekt mehrere Wege: die Erforschung eines semi-automatischen Frameworks, das Domänenexpert*innen die Annotation der Laser-Ultraschall-Daten ermöglicht, die Kombination von ML-Ansätzen mit korrelativen Daten aus der Mikroskopie sowie die Verwendung simulierter Daten, bei denen die Ground Truth gemeinsam mit den Daten erzeugt wird. So verbindet IQMet die Stärken der zerstörungsfreien Prüfung mit fortschrittlichen Datenanalysetechniken für eine schnelle und genaue Mikrostrukturanalyse.

Beitrag der RISC Software GmbH

Die RISC Software GmbH ist als Projektpartnerin beteiligt und bringt ihre Expertise in maschinellem Lernen, Bildanalyse und industrieller Datenverarbeitung ein.

Dieses Projekt wird im Rahmen der Wirtschafts- und Forschungsstrategie #upperVISION2030 des Landes Oberösterreich und von der Österreichischen Forschungsförderungsgesellschaft (FFG) gefördert.