KI-gestützte Überwachung von Galvanikbädern – Demonstrator für effiziente Anomalieerkennung
Der Demonstrator für die Überwachung von Galvanikbädern zeigt, wie Künstliche Intelligenz (KI) und Echtzeit-Datenanalyse eingesetzt werden können, um Anomalien frühzeitig zu erkennen und so Ressourcen zu sparen.
Hier finden Sie den Galvanikbad-Demonstrator auf GitHub.
Manuelle vs automatisierte Überwachung von Galvanikbädern
Die Galvanik bezeichnet ein elektrochemisches Verfahren zum Aufbringen von feinen Metallschichten auf einer metallischen oder sonstigen leitenden Oberfläche, z. B. Kupfer und Chrom. Dabei bestimmen verschiedenen Parameter die Qualität der Beschichtung, bspw. der pH-Wert, die Stromdichte, die Temperatur, die Dauer oder auch der Verschmutzungsgrad des Bades. Die manuelle Überwachung der Bäder durch Laboranalysen ist problematisch, da Anomalien oft zu spät erkannt werden, was Qualitätseinbußen zur Folge haben kann. Die automatisierte Echtzeit-Überwachung der Bäder mithilfe von KI kann das verhindern, da kritische Abweichungen der erfassten Parameter in Echtzeit erkannt werden.
Lösung: KI-gestützte Echtzeit-Überwachung
Der digitale Demonstrator simuliert ein Galvanikbad mit den Parametern Temperatur, pH-Wert und Trübung des Bades. Ebenfalls werden digitale Sensoren simuliert, welche die Werte der genannten Parameter kontinuierlich erfassen. Die gemessenen Sensordaten werden in Echtzeit in einem Dashboard visualisiert. Bei der Nutzung können Benutzer*innen verschiedene Anomalien für das Bad auswählen, wie z. B. die Verunreinigung mit einem Fremdstoff (Grafik 2). Die digitalen Sensoren erkennen eine Abweichung von den gewünschten Zielwerten und der Demonstrator schickt eine Warnmeldung an einen Account in Microsoft Teams oder Slack.
Grafik 2 (links): KI-gestützte Überwachung von Galvanikbädern: Auswahlmöglichkeiten für Anomalien des Galvanikbades.
Grafik 3 (rechts): KI-gestützte Überwachung von Galvanikbädern: Dashboard des Demonstrators zeigt Sensordaten in Echtzeit.
Ressourceneinsparung durch die frühzeitige Identifizierung von Anomalien
Der Demonstrator wurde im Rahmen des Green-AI Hub Pilotprojekts mit der 4Packaging GmbH entwickelt. 4Packaging ist Hersteller von sogenannten Tiefdruckzylindern, welche für den Bedruck von Verpackungen eingesetzt werden. In diesem Kontext wird eine Reduktion der Fehlerquote im Produktionsprozess um 20 Prozent angestrebt.
Grafik 4: Darstellung der KI-gestützte Überwachung von Galvanikbädern.
Funktionen
- Interaktive Simulation eines Galvanikbads mit Sensoren für Temperatur, pH-Wert und Trübung des Bades
- Benutzerdefinierte Anomalieauswahl, um verschiedene Szenarien zu simulieren, wie z. B. die Verunreinigung des Bades durch Fremdstoffe
- Echtzeit-Datenübertragung über einen Message Broker (MQTT) an eine Zeitreihendatenbank (InfluxDB) und einen Anomalie-Agenten
- Visualisierung der Sensordaten und Anomalieerkennung in einem Grafana-Dashboard
- Warnmeldungen an Dienste wie Microsoft Teams oder Slack verschicken
Dieser Demonstrator wurde im Rahmen des KI-Pilotprojekts des Green-AI Hub Mittelstands entwickelt. Der Green-AI Hub Mittelstand ist eine KI-Initiative des Bundesministeriums für Umwelt, Naturschutz, nukleare Sicherheit und Verbraucherschutz, koordiniert durch die Zukunft – Umwelt – Gesellschaft (ZUG) gGmbH. Der Pilotprojekte wurde unterstützt durch das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI).
