HAW Aktuell

Industrielle Prozessüberwachung beim Spritzgiessen (DISTRAL):
Dr. Ahmed Abdulkadir zeigte anhand des Innosuisse-Projekts mit der Kistler Instrumente AG, wie datengetriebene Modelle die Qualitätssicherung transformieren. Herkömmliche Systeme erfordern aufwendige, manuelle Grenzwertdefinitionen durch erfahrenes Bedienpersonal. Die vorgestellte Lösung nutzt Deep Transfer Learning und Repräsentationslernen, um Druckkurven kontinuierlich und dynamisch zu kalibrieren. Dadurch werden schleichende Drifts und Anomalien vollautomatisch erkannt. Zudem liefert das Modell dem Personal eine direkte Ursachenanalyse («Root Cause Analysis») mit konkreten Hinweisen auf abweichende Stellgrössen wie Nachdruck, Werkzeugtemperatur oder Einspritzgeschwindigkeit.

Flexible Fabrikbelegungsplanung mit Reinforcement Learning:
Yu Tang veranschaulichte die Hürden klassischer mathematischer Optimierungsansätze wie Mixed-Integer Linear Programming (MIP): Treffen unvorhergesehene Eilaufträge ein oder fällt unerwartet eine Anlage aus, stossen starre Berechnungsverfahren schnell an Rechenzeit- und Skalierungsgrenzen. Mithilfe von Deep Reinforcement Learning (DRL) und dem Proximal-Policy-Optimization-Algorithmus (PPO) erlernt ein intelligenter Agent, situativ aus einem Bündel erprobter Prioritätsregeln auszuwählen. Das Ergebnis sind schnelle, adaptive Reaktionen auf Shopfloor-Störungen und eine nachweislich reduzierte Gesamtdurchlaufzeit (Makespan).

Digitale Zwillinge und physische Intelligenz in der Robotik:
Prof. Dr. Alisa Rupenyan und Dr. Gabriele Fadini demonstrierten, wie physikbasierte digitale Zwillinge das Training von Robotersystemen beschleunigen und absichern. Ob beim automatisierten Wickeln von Carbonfasern oder bei anspruchsvollen Schleif- und Polierprozessen: Statt reale Hardware im Schichtbetrieb tagelang für Versuche zu blockieren, erfolgt die Feinabstimmung der Steuerungs- und Drehmomentparameter virtuell über Bayes’sche Optimierung. Durch die kontinuierliche Erfassung und Modellierung von Kontaktkräften reagieren Roboter verlässlich auf Formtoleranzen und nachgiebige Werkstücke.

Automatisierte Mehrkamera-Liveproduktion (dAIrector):
Dass Signalverarbeitung und Automation auch jenseits klassischer Maschinenhallen wirken, verdeutlichte Peng Yan am Innosuisse-Projekt mit Group Galore. Ein intelligentes System steuert mehrere Kameras automatisiert und übernimmt den Live-Schnitt in Fast-Echtzeit. Dadurch werden professionelle Videoübertragungen auch für kleinere Kultur- und Veranstaltungsbühnen mit begrenztem Budget wirtschaftlich machbar.

Swiss Centre for Responsible AI (SCRAI):
Dr. Ricardo Chavarriaga widmete sich der organisatorischen und rechtlichen Einbettung industrieller KI-Systeme. Um Risiken zu minimieren und neuen Regulierungen wie dem EU AI Act gerecht zu werden, bedarf es klar definierter Leitplanken und Verantwortlichkeiten. Über strukturierte Reifegrad-Analysen («AI Readiness») und Risikobewertungen unterstützt das SCRAI Betriebe dabei, Prozesse transparent aufzusetzen und den Menschen als entscheidende Kontrollinstanz verlässlich einzubinden («Human-in-the-loop»).

Forschung zum Anfassen: Laborführungen und Dialog
Beim Rundgang durch die Labore der Gruppen «Industrial AI» und «Embodied Mobile Agents» konnten sich die Teilnehmenden direkt vor Ort ein Bild von den Versuchsaufbauten machen: von feinmotorischen Roboterhänden, die menschliche Griffmuster via Tracking und Simulation adaptieren, bis hin zu mobilen Assistenzsystemen.

Der anschliessende Netzwerk-Apéro bot Raum für vertiefende Fachgespräche. Ein zentraler Konsens des Abends: Erfolgreiche Industrie-KI basiert nicht auf kurzlebigen Hypes, sondern auf solidem Ingenieurswissen, präzisen Daten und dem tiefen Verständnis für die Physik des jeweiligen Prozesses. Aus der engen Verzahnung von industrieller Praxis und angewandter Forschung entstehen greifbare Innovationen für den Werkplatz Winterthur.