Ressourcenschonende Werkzeugüberwachung durch Federated Learning
Fräswerkzeuge halten selten exakt so lange wie geplant – manchmal brechen sie vorzeitig, oft werden sie vorschnell ausgetauscht. Am Bosch-Standort Homburg überwacht ein Edge-Computer mit verschiedenen Sensoren den Fräsvorgang. Ziel ist es den Verschleiß per föderiertem Lernverbund zu ermitteln und somit den optimalen Wechselzeitpunkt zu bestimmen. So sinken Werkzeugbrüche und Ausschuss, während jedes Werkzeug material- und energieeffizienter genutzt wird.
Jahrzehntelange Erfahrung in der Fertigung von Injektoren und Komponenten für Motoren
Das Werk Homburg der Robert Bosch GmbH fertigt seit Jahrzehnten Injektoren und Komponenten für Diesel- und Wasserstoffsysteme. Hohe Losgrößen in der Zerspanung erfordern bislang statische Werkzeugwechselintervalle nach konservativen Standmengen. Das führt zu zusätzlichen Stillständen und verringert die Ressourceneffizienz, weil Werkzeuge vorzeitig nachgeschliffen oder ersetzt werden.
Herausforderung: Menge und Art der Werkzeuge im Unternehmen variiert stark
- Große Streuung der Werkzeugstandmenge
- Vorzeitiger Wechsel verursacht Mehrverbrauch an Hartmetall und Energie im Schleifprozess
- Trotz Sicherheitsreserve treten Werkzeugbrüche auf, die Werkstücke unbrauchbar machen
- Sehr unterschiedliche Werkzeuge erfordern KI-Systeme je Werkzeug oder moderne Aggregationsmethoden
Lösung durch Federated Learning
Die Fräsmaschine wird mit zusätzlicher Sensorik nachgerüstet: Strommesszangen erfassen den Spindelstrom, ein Schallsensor hört den Fräsprozess ab, Vibrationssensoren und die Achsenströme liefern weitere Signale. Ein Edge-Computer bündelt und speichert diese Daten. Des Weiteren werden alle Wechsel der Fräser und die dazugehörigen Gründe dokumentiert. Mithilfe dieses Datensatzes werden einzelne Modelle zur Bestimmung des Werkzeugzustands und der Detektion von Anomalien trainiert. Modelle verschiedener Werkzeuge sollen mithilfe von Federated Learning zusammengeführt werden, um ein globales Modell zu schaffen, welches Werkzeug- und Maschinenübergreifend funktioniert.
KI-gestützte Werkzeugüberwachung mit Hilfe von Sensorik
Die KI-gestützte Werkzeugüberwachung greift direkt in der Wertschöpfungskette der Zerspanung: Weniger vorzeitige Wechsel und keine Bruchschäden bedeuten stabilere Takte, weniger Nacharbeit und geringere Bestände an Ersatzwerkzeugen. Dadurch steigen Verfügbarkeit und Gesamtanlageneffektivität der Linie, während Material- und Energieaufwand sinken. Die Lösung lässt sich 1:1 an weiteren Fräs-, Dreh- und Bohrzentren ausrollen, weil lediglich Sensorik ergänzt und das Modell eingespielt wird. So schafft Bosch in Homburg einen skalierbaren Blaupause-Use-Case, der Produktivität, Kosten und Nachhaltigkeit zugleich verbessert.
Verringerter Materialeinsatz bei unveränderter Taktzeit
Jeder vorzeitig entsorgte Fräser bedeutet nicht nur Sonderabfall aus hochlegiertem Werkzeugstahl, sondern auch ein verschrottetes Werkstück, erneute Rüstzeit und zusätzliche Transporte zum Nachschleifen. Die KI-gestützte Verschleißerkennung verlängert die Standzeit der Werkzeuge um rund 10 Prozent. Pro Fräsmaschine bleiben so jährlich etwa 52 kg Titan-Aluminium-Nitrit-beschichteter Spezialstahl im Werkzeug und 150 kg Bauteilstahl im Wertstrom statt im Schrottcontainer. Weniger Ersatzbestellungen reduzieren Logistikwege und Energie für den Schleif- und Reinigungsprozess; das Edge-System lässt sich ohne Maschinenumbau nachrüsten. Gleichzeitig verhindert die Frühwarnung vor Brüchen Ausschuss, Kühlschmierstoff- und Chemikalienverbrauch. Unterm Strich sinken Materialeinsatz, Prozessenergie und CO₂ – bei unveränderter Taktzeit.
Die Robert Bosch GmbH zählt zu den weltweit größten Technologie- und Dienstleistungsunternehmen. In den Bereichen Mobility, Industrial Technology, Consumer Goods sowie Energy & Building Technology entwickelt und fertigt Bosch Lösungen für Industrie, Alltag und Mobilität. Das Werk Homburg im Saarland produziert seit mehr als 60 Jahren hochpräzise Einspritzsysteme für Diesel- und zunehmend Wasserstoffanwendungen und arbeitet kontinuierlich an einer vernetzten und energieeffiziente Fertigung im Produktionsverbund. Weltweit beschäftigt Bosch 429 400 Mitarbeitende.
Technologie
Fähigkeit der KI: Vorhersage des Werkzeugzustandes und Anomalie Erkennung
KI-Modell: Ressourcenschonende Werkzeugüberwachung durch Federated Learning
Wertschöpfung
Phase: Produktion
Ziel der KI: Optimierung der Werkzeugausnutzung, Erkennung von Anomalien
Ressourceneffizienz
Durch den KI-gesteuerten, bedarfsgerechten Werkzeugwechsel werden je Fräsmaschine pro Jahr rund 52 kg hochlegierter Werkzeugstahl und etwa 150 kg Bauteilstahl eingespart.
