Fraunhofer optimaliseert productieprocessen door modularisatie

Defecten in de productie in realtime opsporen, classificeren, visualiseren, en rapporteren aan de fabriek. Dat kan Surfinpro, zo claimt het Fraunhofer Instituut voor Materiaal- en Straaltechnologie IWS.

Het onderzoeksteam zal het systeem presenteren op Laser World of Photonics (27 t/m 30 juni; hal A3, stand 441).

Het systeem detecteert oppervlaktedefecten, artefacten en textuurveranderingen en evalueert ze met behulp van kunstmatige intelligentie. Het proces kan 3D-informatie van oppervlakken snel en in hoge resolutie vastleggen. De meetgegevens worden gebruikt om in-line aanvullende informatie te genereren voor lopende productieprocessen. “Het systeem detecteert niet alleen defecten, het classificeert ze tegelijkertijd en legt meteen een bredere context vast. Onze klanten ontvangen informatie over het type defect, samen met vele andere parameters zoals de dichtheid van het defect, geometrische afmetingen en frequentie”, zegt Taudt.

Hogere precisie bij hogere snelheden

Het meetsysteem werkt al meer dan een jaar met succes in de industrie en analyseert een roll-to-roll proces met substraatbreedtes van 70 centimeter. Om verder optimalisatiepotentieel te benutten, traint het team het systeem binnen de lopende productie met behulp van een defectencatalogus. Als defecten worden gemeld, worden ze ingevoerd in een neuraal netwerk, waardoor de detectienauwkeurigheid wordt verfijnd. De onderzoekers gebruiken de meetinformatie om te controleren of er nieuwe defecten optreden of bestaande defecten worden aangepast, wat een dynamische reactie van het systeem vereist. “Enerzijds werken we aan de ontwikkeling van betere neurale netwerken die minder gegevens nodig hebben”, zegt de wetenschapper, “daarnaast ontwikkelen we ook nieuwe trainingsstrategieën binnen de lopende operatie.”

Doelgroep: halfgeleiderindustrie

Het team past de technologie momenteel aan voor nieuwe toepassingsgebieden, zoals continue productieprocessen van vezelcomposiet. “Hier zijn onze partners niet alleen geïnteresseerd in het vermijden van defecten aan het oppervlak, ze willen ook dat de technologie componenten in meerdere dimensies kan identificeren en beoordelen”, zegt Taudt. Een andere doelgroep die het team voor de algoritmen en het defectclassificatiesysteem voor ogen heeft, is de halfgeleiderindustrie, bijvoorbeeld bij de productie van flexibele halfgeleidermaterialen.

Meer camera’s

Momenteel maakt de oplossing gebruik van maximaal vier camera’s. In een volgende stap beogen de onderzoekers om extra camerasystemen toe te voegen. Dit zou voordelig zijn, ongeacht het proces dat wordt beoordeeld, van vezelcomposietprocessen met zeer grote componenten tot traditionele roll-to-roll-processen, zoals die bijvoorbeeld worden gebruikt in de fotovoltaïsche industrie.

Sneller

Een ander belangrijk aspect is de systeemsnelheid. Vooral bij vezelversterkte kunststoffen, maar ook bij de textielverwerking, moeten zeer korte cyclustijden bijzonder snel zijn. “Het verhogen van de snelheid is een belangrijk punt en we hebben de expertise om aan deze eisen te voldoen. We ontwikkelen continu nieuwe technologieën om dit proces nog sneller te laten verlopen en bijvoorbeeld dezelfde hoeveelheid informatie uit minder data te halen.”

De wetenschappers zijn van mening dat een van de belangrijkste kenmerken van hun systeem de modulariteit is. Dankzij een geavanceerde modularisatiebenadering met behulp van efficiënte componenten, biedt Surfinpro een breed scala aan potentiële implementaties en is het eenvoudig aan te passen: “Veel van de technologieën die we in ons systeem gebruiken, zijn ontwikkeld als zelfstandige componenten op een manier dat ze ook kunnen worden geïmplementeerd effectief in verschillende andere contexten en projecten.”