Ein wesentlicher Schritt in allen Fertigungsprozessen ist die Oberflächenbeschichtungstechnik von Metallen, da insbesondere der damit erreichte Korrosions- und Verschleißschutz die Haltbarkeit von Bauteilen entscheidend beeinflusst. Darüber hinaus können viele weitere Funktionalitäten wie tribologische Eigenschaften, Aussehen, Härte, Duktilität, thermische Belastbarkeit oder Leitfähigkeit etc. mit Oberflächenbeschichtungen passgenau eingestellt werden. Die elektrochemische oder galvanotechnische Beschichtung ist dabei eines der effektivsten und kostengünstigsten Verfahren der Oberflächentechnik; sie besitzt weltweit den größten Marktanteil unter den Beschichtungsverfahren.
Anders als in überwiegend mechanischen Fertigungsprozessen existiert hierfür in der industriellen Oberflächentechnik jedoch insbesondere für den Beschichtungsprozess selbst noch keine geeignete und dabei hinreichend kostengünstige Messtechnik; selbst kritische Prozessparameter können oft nur offline kontrolliert werden (entsprechende Prozessüberwachung ist zwar aus der Halbleiterfertigung bekannt, die Kosten dafür liegen aber weit jenseits des in der industriellen Galvanotechnik Machbaren. Die Produktqualität beschichteter Bauteile kann somit bisher erst festgestellt werden, wenn das Endprodukt bereits vorliegt. Zu diesem Zeitpunkt ist es ggf. nicht mehr möglich festzustellen, auf welche Parameterabweichung(en) im zeitlichen Verlauf des Produktionsprozesses eine Qualitätseinbuße zurückzuführen ist. Besonders problematisch ist dies bei sicherheitsrelevanten Bauteilen, z.B. Befestigungselementen, vor allem, wenn der Mangel, z.B. eine Materialversprödung durch galvanotechnisch erzeugten Wasserstoff, erst im technischen Einsatz offenbart wird.
In diesem Projekt wird eine KI-basierte messtechnische Systemlösung für die industrielle Galvanotechnik entwickelt, mit der erstmals alle für die Digitalisierung galvanotechnischer Produktionsprozesse relevanten Prozessparameter kostengünstig und in ausreichender Genauigkeit bereitgestellt werden können. Das innovative Messsystem soll eine systemangepasste, kostengünstige und industrietaugliche in-situ-Analytik der Prozessbäder mit KI-basierter Auswertung von Messdaten aus Prozess- und Anlagensteuerung, Zustandsparametern von Prozessaggregaten und sonstigen relevanten Daten verknüpfen. Zu entwickelnde intelligente Algorithmen des maschinellen Lernens sollen eine individuelle Anpassung des Messsystems auf die jeweiligen Beschichtungsprozesse ermöglichen.
Kernpunkt ist somit der Ersatz eines Großteils der sonst erforderlichen, sehr teuren chemischen Analytik durch KI-basierte Datenauswertung. Die geplante Systemlösung soll vollständig als cyber-physisches Produktionssystem (siehe Abbildung) integrierbar sein und über die dafür erforderlichen Schnittstellen verfügen.