Der steigende globale Wettbewerbsdruck erhöht die Bedeutung autonomer Fertigung. Voraussetzung dafür ist eine zuverlässige Prozessüberwachung, die Störungen wie Werkzeugbruch oder Verschleiß frühzeitig erkennt, um Schäden und Produktionsausfälle zu vermeiden. Herkömmliche Überwachungsverfahren basieren auf Referenzdaten aus wiederholten Prozessen und eignen sich vor allem für die Serienfertigung. Für die zunehmend nachgefragte Einzelteil- und Kleinserienfertigung sind daher neue Ansätze erforderlich.

Im Projekt AutoBohr entwickelt ein Forschungsteam der WGP ein System zur autonomen Überwachung von Bohrprozessen in der Einzelteilfertigung. Da beim Bohren kurzfristige Belastungsspitzen auftreten können, führen klassische Verfahren häufig zu Fehlalarmen. Deshalb setzt AutoBohr auf Methoden des maschinellen Lernens.

Das System besteht aus fünf Modulen: Zunächst werden Maschinen- und Sensordaten erfasst und in einer zentralen Datenbank gespeichert. Anschließend erkennt das System automatisch die jeweilige Prozessphase und bewertet Abweichungen vom Normalzustand. Mithilfe neuronaler Netze kann die Überwachung auf neue Prozessparameter übertragen werden. Zudem ermöglicht ein weiteres Modul den Einsatz auf unterschiedlichen Maschinen nach einer kurzen Kalibrierung.

Die Leistungsfähigkeit von AutoBohr wurde bereits unter industriellen Bedingungen erfolgreich nachgewiesen. Werkzeugverschleiß und drohende Werkzeugbrüche konnten zuverlässig erkannt und frühzeitig gemeldet werden. Aktuell wird das System für den industriellen Einsatz weiter optimiert. Perspektivisch sollen die entwickelten Verfahren auch auf andere Fertigungsprozesse wie Gewindebohren oder Wälzfräsen übertragen werden.