KI-basierte Schadensanalyse von technischen Elastomeren

Wie können Elastomerschäden schnell und einfach identifiziert werden? Durch die vielfältigen Schadensbilder an Elastomerbauteilen ist eine Rückführung auf die Schadensursache nicht immer leicht. Das Fraunhofer-interne Projekt „KI-basierte Schadensanalyse von technischen Elastomeren“ erörtert die Möglichkeiten, Schadensfälle anhand von künstlicher Intelligenz objektiv zu bewerten. Der entstehende Prozess am Beispiel einfacher Bauteile soll später auf kundenspezifische Anwendungen übertragen werden.

Objektivität und Effizienz

Elastomere sind extrem hohen und komplexen Anforderungen, wie mechanischen und thermischen Belastungen und unterschiedlichen Medieneinflüssen, ausgesetzt. Schäden an diesen Bauteilen können sowohl aus diesen Belastungen als auch aus Alterung, Abweichungen im Fertigungsprozess und anderen Faktoren resultieren. Eine Analyse von Schäden der Bauteile kann mit Hilfe der VDI 3822 erfolgen. Erfahrung und Fachkompetenz sowie ähnliche Schadensbilder bei unterschiedlichen Schadensursachen führen in diesem Prozess jedoch zu einer subjektiven Schadensbeurteilung. Das Fraunhofer-interne Entwicklungsprojekt der „KI-basierte Schadensanalyse von technischen Elastomeren“ soll diesen zeit- und kostenintensiven Prozess automatisieren und objektivieren sowie die erforderlichen Rahmenbedingungen (z. B. Inputparameter, Trainingsdatenbasis, Extrapolationspotential usw.) für eine praxisrelevante Umsetzung ausloten.

Automatisierte Detektion spezifizierter Schadensursachen

Das Ziel der ersten Projektphase besteht im Aufbau einer Prozesskette von der Bilderfassung bis zur sicheren Schadensbewertung unterschiedlicher Bauteilschäden. Neben den eigentlichen Schadensbildern fließen zusätzliche Material- bzw. Prozessparameter in die Schadensbewertung ein und unterstützen somit die Zuordnung von Schadensursachen zu den Schadensbildern nach dem Ursache-Wirkungs-Zusammenhang. Neben der korrekten Detektion eines Schadens einschließlich dessen Interpretation und Ursachenzuordnung durch die implementierte Prozesskette wird ein wesentlicher Projektfokus auf der erforderlichen Trainingsdatenbasis liegen. Während viele Bauteile zwar in beachtlichen Losgrößen gefertigt werden und in Systemen zum Einsatz kommen, sollten Schäden an Bauteilen eher die Ausnahme bleiben und ggf. auf unsachgemäße Einsatzbedingungen zurückzuführen sein. Für verschiedene Anwendungen resultieren hieraus signifikante Limitationen in der Trainingsdatenbasis sowie die Ableitung der entsprechenden Prozessvoraussetzungen.

Gültigkeitsbereich und Extrapolationspotential

Nach erfolgreicher Detektion, Analyse und Zuordnung von Schadensursachen und Schadensbildern, wird in der zweiten Projektphase der Gültigkeitsbereich eines Modellansatzes unter Variation des Bauteils sowie des Schadens detailliert analysiert. Dabei wird zum Beispiel der Einfluss von Skalierungseffekten oder die Lage und Ausprägung des Schadens untersucht, um Rückschlüsse auf Generalisierungsfehler des Modells zu schließen. Ausgehend von diesen Erkenntnissen zu den Randbedingungen des Modells wird die Übertragbarkeit des Prozesses auf weitere Anwendungsfälle erörtert.