Presseartikel

Simulation of Metal Anomaly Research Detection

Hoffentlich is(s)t in meinem Lebensmittel kein Metall!

28.10.2021 | Fakultät NuW

Am 16. August wurde vom Bayerischen Staatsministerium für Wirtschaft, Landesentwicklung und Energie das Projekt SMARD – „Simulation of Metal Anomaly Research Detection“ bewilligt. Es wird mit gut 0,85 Mio. Euro gefördert. Davon gehen 447.000 Euro an die Technische Hochschule Deggendorf (THD). Die THD wird zusammen mit dem Projektpartner Mesutronic Gerätebau GmbH eine innovative Weiterentwicklung im Bereich der Metalldetektion erforschen und diese in bestehende Serienlösungen integrieren.

 
Existierende Detektionskonzepte für Anomalien durch Metallverunreinigungen im industriellen Fertigungsbereich müssen evaluiert und deren konkrete Umsetzungen ausführlich getestet werden. Es gibt Lösungen, um durch Metalle erzeugte Veränderungen im elektromagnetischen Feld auswerten zu können. Diese Lösungen eignen sich allerdings nur bedingt in Testumgebungen für Anomalie-Tests mit harten Echtzeitanforderungen, wie es in Fertigungssystemen der Fall ist. Existierende Ansätze mit schwellwertbasierten Algorithmen eignen sich aufgrund starrer Entscheidungskriterien nur bedingt für den Einsatz zur Validierung zukünftiger Detektionssysteme für Produktanomalien. Weitere Ansätze des Anomaly-Testings, wie beispielsweise Algorithmen der Bildverarbeitung oder der künstlichen Intelligenz sind im Bereich der Metalldetektion noch nicht etabliert. Die Integration solcher erweiterten Methoden in Anomalie-Umgebungen liefert aber einen signifikanten Mehrwert zur Absicherung von künftigen Systemen. Fehlende Forschungsaktivität in diesem Kontext zeugt von der Relevanz des Projektes. 
Ziel des Projektes ist die Erforschung und Entwicklung eines auf Basis von KI gesteuerten Auswerte-verfahrens für Metalldetektoren im industriellen Fertigungsbereich. Dieses Detektionssystem, entwickelt auf Basis eines elektromagnetischen FEM-Verfahrens und einer KI gesteuerter Software-analyse, ermöglicht eine verbesserte Erkennung metallischer Verunreinigungen in einem Fertigungsprodukt mit gleichzeitig sicherer Nichtdetektion von nicht verunreinigten Produkten. Das KI-basierte Anlernen erfolgt mittels den elektromagnetischen Simulationsergebnissen der FEM-Software Ansys (EM) Maxwell. Darüber hinaus werden die thermodynamischen Einflüsse auf das Gesamtsystem bestehend aus der Detektionseinheit und dem Prüfprodukt untersucht, analysiert und in den KI-Algorithmus mit einbezogen. 

Bild (THD): Vorne rechts Prof. Andreas Grzemba, Vorne Mitte THD Projektleiter Prof. Frank Denk, vorne links Projektleiter Mesutronic Prokurist Manfred Artinger, hinten links Entwicklungsingenieur Mesutronic Stefan Wittenzellner, hinten rechts wissenschaftlicher Mitarbeiter THD Tobias Hofbauer.