Prozessanalyse und Konzeptentwicklung zur KI-gestützten Oberflächenfehlererkennung im Schienenwalzprozess bei voestalpine Rail Technology GmbH

Der Schienenverkehr stellt einen zentralen Bestandteil der modernen Verkehrs- und Transportinfrastruktur dar. Insbesondere im Güter- und Personenverkehr kommt der Qualität und Zuverlässigkeit von Schienenprodukten eine entscheidende Bedeutung zu, da diese maßgeblich zur Sicherheit, Langlebigkeit und Wirtschaftlichkeit des Bahnbetriebs beitragen. In der vorliegenden Arbeit wird die Entstehung von Oberflächenfehlern im Schienenwalzprozess der voestalpine Rail Technology GmbH untersucht. Der Fokus liegt dabei auf schopfbedingten Fehlerbildern bei Zungenschienen. Im Rahmen der Arbeit wurde der Schienenwalzprozess systematisch analysiert und mittels einer Prozess-FMEA nach VDA/AIAG 2019 hinsichtlich potenzieller Fehlerursachen und deren Auswirkungen bewertet. Die Ergebnisse zeigen, dass insbesondere materialbedingte Vorschädigungen im Vormaterial, temperaturabhängige Einflüsse sowie mechanische Abweichungen in den Prozessschritten Break-Down Mill (BDM) und Ultra-Flexible Rolling (UFR) maßgeblich zur Schopfausbildung und zu daraus resultierenden Oberflächenfehlern beitragen. Zudem wurde ersichtlich, dass eine Vielzahl dieser Fehler während des laufenden Prozesses nur eingeschränkt detektierbar ist. Dies resultiert in einer erhöhten Priorität für die Umsetzung von Maßnahmen. Auf Basis dieser Erkenntnisse erfolgte die Ausarbeitung eines möglichen Konzeptes zur Integration eines KI-gestützten Kamerasystems. Dieses umfasst drei definierte Aufnahmepunkte entlang des Prozesses und ermöglicht eine durchgängige visuelle Dokumentation vom Vorblock bis zur fertigen Schiene. Das Ziel des Systems ist es, eine Korrelation zwischen der Schnittfläche der Vorblöcke und der späteren Schopfausbildung zu identifizieren sowie die Fehlererkennung im Produktionsprozess zu verbessern. Die Ergebnisse der Arbeit zeigen, dass der Einsatz bildbasierter Analysesysteme ein vielversprechendes Potenzial zur frühzeitigen Identifikation von Fehlerursachen bietet. Langfristig kann ein solches System zur Verbesserung der Prozessstabilität, Produktqualität und Effizienz im Schienenwalzprozess beitragen.