Carbon ist extrem leicht, extrem stabil, aber auch extrem teuer. Durch den Einsatz eines Kamerasystems und Künstlicher Intelligenz wird jetzt einer der großen Kostentreiber – die teure manuelle Kontrolle der Carbonfasern – hinfällig, was den Herstellungspreis der Carbonfaser nachhaltig reduzieren kann.
Carbonfasern sind wegen ihrer guten Eigenschaften begehrt. Die Kombination aus geringem Gewicht – bis zu 50 % weniger als Aluminium – und guten mechanischen Eigenschaften bietet viele Vorteile. Gerade in Zeiten der Energiewende sind Leichtbaumaterialien wie Carbon so relevant wie nie zuvor. Gleichzeitig sind Carbonfasern so widerstandsfähig gegen äußere Belastungen wie Metalle. Diese guten Eigenschaften von Carbonfasern zu erreichen, ist aber sehr aufwändig.
Qualitätssicherung bei Carbonfasern bislang sehr aufwändig
Bis zu 300 einzelne Faserstränge – also Bündel von einzelnen Fasern – müssen während der Herstellung gleichzeitig überwacht werden. Wenn Carbonfasern reißen, kostet es Zeit und Geld, die beschädigten Fasern auszusortieren. Dies ist nur ein Beispiel für verschiedene Fehler, die bei den Fasern während der Produktion auftreten können.
Künstliche Intelligenz wertet Faserfehler automatisch aus
Deshalb brachte der Nachwuchsingenieur Deniz Sinan Yesilyurt vom Institut für Textiltechnik (ITA) der RWTH Aachen eine Kamera an der Carbonfaseranlage an, die Bilder verschiedener Faserfehler während der Produktion aufnimmt und in einer Datenbank sammelt. Die künstliche Intelligenz im Informationstechnologiesystem der Kamera wertet die Faserfehler aus, indem sie die Bildaufnahmen vorgegebenen Referenzfehlern zuordnet. Dabei erkennt sie verschiedene Faserfehler mit einer Zuordnungsgenauigkeit von 99 %.
Entwicklung auch für andere Bereiche einsetzbar
Der von Deniz Yesilyurt entwickelte Prozess kann aber auch für andere Bereiche eingesetzt werden, die chemische Fasern herstellen. Der vollständige Titel seiner Bachelorarbeit lautet: „Entwicklung einer Kl-gestützten Prozessüberwachung unter Verwendung von Machine Learning zur Erkennung von Faserbeschädigungen im Stabilisierungsprozess“.
Für diese Idee hat Deniz Yesilyurt am 6. Dezember 2022 den zweiten Preis des vom Verband für Maschinen- und Anlagenbau (VDMA) vergebenen Nachwuchspreises „Digitalisierung im Maschinenbau“ erhalten. Der VDMA zeichnete insgesamt vier Abschlussarbeiten unterschiedlicher Hochschulen mit dem Preis aus. gk