Carbonfasern sind wegen ihrer guten Eigenschaften begehrt. Sie sind sehr leicht – sie wiegen bis zu 50 Prozent weniger als Aluminium. Die Kombination aus geringem Gewicht und guten mechanischen Eigenschaften bietet viele Vorteile. Gerade in Zeiten der Energiewende sind Leichtbaumaterialien wie Carbon so relevant wie nie zuvor. Gleichzeitig sind Carbonfasern so widerstandsfähig gegen äußere Belastungen wie Metalle. Diese guten Eigenschaften von Carbonfasern zu erreichen, ist aber sehr aufwändig.
Bis zu 300 einzelne Faserstränge – also Bündel von einzelnen Fasern - müssen während der Herstellung gleichzeitig überwacht werden. Wenn Carbonfasern reißen, kostet es Zeit und Geld, die beschädigten Fasern auszusortieren. Dies ist nur ein Beispiel für verschiedene Fehler, die bei den Fasern während der Produktion auftreten können.
KI überwacht Carbonfaseranlage
Deshalb brachte Deniz Sinan Yesilyurt eine Kamera an der Carbonfaseranlage an, die Bilder verschiedener Faserfehler während der Produktion aufnimmt und in einer Datenbank sammelt. Die Künstliche Intelligenz im Informationstechnologiesystem der Kamera wertet die Faserfehler aus, indem sie die Bildaufnahmen vorgegebenen Referenzfehlern zuordnet. Dabei erkennt sie verschiedene Faserfehler mit einer Zuordnungsgenauigkeit von 99 Prozent.
Der von Yesilyurt entwickelte Prozess kann auch für andere Bereiche eingesetzt werden, die chemische Fasern herstellen. Yesilyurt erhielt den Preis vom Verband für Maschinen- und Anlagenbau (VDMA) in Frankfurt am Main. Er ist Bachelorabsolvent am Institut für Textiltechnik (ITA) der RWTH Aachen. Der vollständige Titel seiner Bachelorarbeit lautet: „Entwicklung einer Kl-gestützten Prozessüberwachung unter Verwendung von Machine Learning zur Erkennung von Faserbeschädigungen im Stabilisierungsprozess.“
Der VDMA zeichnete insgesamt vier Abschlussarbeiten unterschiedlicher Hochschulen mit dem Preis aus. Der Preis wird für herausragende Abschlussarbeiten verliehen und wurde in Deutschland, Österreich und der Schweiz ausgeschrieben.