TOSKY treibt KI für die Fertigung durch Schall- und Vibrationsanalyse voran und setzt auf Echtzeit-Fehlererkennung mit Physical AI und Edge-Geräten

Das auf AI-SaaS spezialisierte Unternehmen TOSKY Co., Ltd. (TOSKY) treibt die Weiterentwicklung eines KI-basierten Fehlererkennungssystems voran, das Schall- und Vibrationsdaten aus industriellen Produktionsumgebungen nutzt.

Im Mittelpunkt des Projekts steht die Entwicklung einer Manufacturing-AI-Technologie, die Produktfehler und Anlagenanomalien durch die kombinierte Analyse von akustischen und Vibrationsdaten erkennt, die während der Heading- und Walzprozesse entstehen. Als Konsortialpartner beteiligt sich ToSky an der Entwicklung von KI-Diensten für den praktischen Einsatz in Produktionsumgebungen und bringt dabei seine cloudbasierten KI-Technologien sowie seine umfangreiche Erfahrung in der Nutzung unterschiedlicher Datenquellen ein.

Im ersten Projektjahr wurden Richtmikrofone und Vibrationssensoren an den Produktionsanlagen installiert, um Daten zu erfassen. Auf dieser Grundlage entwickelte ToSky ein KI-Modell zur Fehlererkennung sowie ein Dashboard für die Echtzeitüberwachung. Das KI-Modell nutzt eine multimodale Sensor-Fusionsarchitektur, die Vibrationsdaten auf Basis einer dreiachsigen Beschleunigungsmessung und akustische Daten gleichzeitig analysiert. Durch die Kombination von Deep-Learning-basierter Anomalieerkennung und Signalverarbeitung wurde das Modell darauf ausgelegt, verschiedene Arten von Auffälligkeiten zu erkennen.

Das entwickelte Modell erreichte in Tests einen F1-Score von 0,712 bei einer Inferenzzeit von 3,12 Sekunden und übertraf damit die Zielvorgaben von mindestens 0,65 beim F1-Score und maximal fünf Sekunden Inferenzzeit. Darüber hinaus wurde eine Dashboard-Umgebung aufgebaut, die mithilfe von Echtzeit-Sensordaten zwischen fehlerfreien und fehlerhaften Produkten unterscheiden und bei auftretenden Anomalien sofortige Benachrichtigungen ausgeben kann. Zusätzlich wurden Produktivität und KI-Zuverlässigkeit durch die Telecommunications Technology Association (TTA) überprüft.

Von der reinen Erkennung zur Physical AI für die direkte Anlagensteuerung

Im zweiten Projektjahr wird das bestehende KI-System über die reine Fehlererkennung hinaus zu einer Physical AI-Lösung erweitert, bei der die Entscheidungen der KI unmittelbar physische Aktionen der Produktionsanlagen auslösen.

Wenn die KI ein fehlerhaftes Produkt erkennt, kann dieses mithilfe einer Druckluftpistole oder einer gesteuerten Ausschleusvorrichtung unmittelbar aus der Produktionslinie entfernt werden. Bei kritischen Anomalien kann das System zudem die betreffende Anlage stoppen. Damit soll ein automatisiertes Qualitätsmanagement aufgebaut werden, das den gesamten Prozess von KI-Entscheidung → Fehlererkennung → physischer Ausschleusung und Anlagensteuerung miteinander verbindet und damit über die bisherige nachträgliche Fehlerkontrolle und manuelle Sortierung hinausgeht.

Insbesondere in Hochgeschwindigkeits-Produktionsumgebungen, in denen pro Sekunde mehrere Dutzend Produkte gefertigt werden, soll eine KI-Architektur auf Basis von Edge-Geräten eingeführt werden, um die durch die Kommunikation mit cloudbasierten Systemen entstehenden Verzögerungen zu reduzieren.

Dazu werden die KI-Modelle optimiert und so konfiguriert, dass die Inferenz direkt auf Edge-Geräten in der Produktionsumgebung durchgeführt werden kann. Technologien wie ONNX, TensorRT und LiteRT sollen eingesetzt werden, um eine Echtzeit-Fehlererkennung und physische Steuerung auch ohne Netzwerkverbindung zu ermöglichen. Ziel ist der Aufbau eines 24/7-Qualitätsüberwachungssystems mit einer Verarbeitungskapazität von mehr als 20T/S, das auch in Offline-Umgebungen stabil betrieben werden kann.

Ausbau der Kommerzialisierung von Manufacturing-AI-Lösungen über die Praxiserprobung hinaus

Im zweiten Projektjahr sollen neben der Verbesserung der Leistungsfähigkeit der KI-Modelle auch standortübergreifende Praxistests und die Kommerzialisierung vorangetrieben werden, um die Technologie auf weitere Produktionsumgebungen auszuweiten.

Geplant ist, für jedes beteiligte Produktionsunternehmen eigenständige KI-Modelle zur Fehlererkennung auf Basis der jeweiligen Anlagendaten zu entwickeln und diese anschließend an unterschiedlichen Produktionsstandorten gegenseitig zu validieren. Auf diese Weise sollen eine höhere Allgemeingültigkeit und Zuverlässigkeit erreicht werden, ohne dass die Technologie von einer bestimmten Anlage oder Produktionsumgebung abhängig ist.

Durch das Projekt will ToSky seine gesammelte Expertise im Bereich der schall- und vibrationsbasierten Manufacturing AI auf verschiedene Produktionsprozesse, darunter auch die Herstellung von Automobilkomponenten, ausweiten. Darüber hinaus soll die Technologie zu KI-basierten Lösungen für Qualitätsmanagement und Prozessautomatisierung weiterentwickelt werden, die von produzierenden Unternehmen einfacher eingesetzt werden können.

Darüber hinaus plant ToSky, durch die Teilnahme an nationalen und internationalen Industrieausstellungen sowie durch die Zusammenarbeit mit relevanten Institutionen und Produktionsunternehmen kontinuierlich weitere Praxiserprobungen und Referenzfälle zu schaffen. Damit will das Unternehmen seine Wettbewerbsfähigkeit als KI-Dienstleister stärken und die AX (AI Transformation) in industriellen Produktionsumgebungen vorantreiben.