Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM
Das Entwickeln beschichteter Schneidwerkzeuge ist ein hochspezialisierter und kostspieliger Prozess. Die Beschichtung verbessert die Schneidleistung und verlängert die Lebensdauer des Werkzeugs. Doch wenn sie nicht korrekt aufgetragen wird, kann das Werkzeug nicht einwandfrei arbeiten und sogar Schäden am bearbeiteten Objekt verursachen. Da Beschichtungsfehler im Mikrometerbereich gemessen werden, sind sie in einem Daten-Katalog kaum zu erfassen. Wie lässt sich der Prüfprozess also automatisieren? Hier kommen regelbasierte synthetische Daten ins Spiel. Im »SimVision«-Projekt entwickeln Forschende der Fraunhofer-Institute ITWM, IGD und IST gemeinsam mit der TU Wien eine skalierbare Prozesskette, um Künstliche Intelligenz mit synthetischen Daten zu trainieren.
»SimVision« steht für »Simulation-Based Visual Inspection«. Ein zentraler Baustein ist das Erstellen eines synthetischen Datensatzes für Maschinelles Lernen mit synthetischen Bilddaten, die realistisch genug sind, um KI-Modelle auf die Praxis vorzubereiten. Doch wie realitätsnah müssen diese Daten sein? Wie beeinflussen sie die Inspektionsgenauigkeit? Und wie können wir Defekte modellieren, die wir noch nie gesehen haben? Diese Fragen stehen im Mittelpunkt der Forschung.
