Das Institut für Softwaresysteme in technischen Anwendungen der Informatik ( FORWISS ) an der Universität Passau nimmt dabei eine kritische Belastungsphase der Produktion in den Blick: Bei der Vorentkernung – die Anlagen stammen vom Projektpartner R. Scheuchl – schlagen zwei Presslufthämmer gleichzeitig zentimetergenau auf das Bauteil ein, um den Sand der innen liegenden Gusskerne zu lockern, ohne den Motorblock zu beschädigen.

Hier setzt das QUAR-Projekt (Vorausschauende Instandhaltung und Qualitätssicherung in der Rohteilbearbeitung) an: Es nutzt Machine-Learning-Technologie, um genaue Vorhersagen zum Verschleißzustand der Bearbeitungsmaschinen zu treffen. Konkret: Es soll darauf trainiert werden vorherzusagen, wann beispielsweise die Hämmer nicht mehr korrekt arbeiten. Sensoren und die Stromaufnahme dienen als Messgröße, mit deren Hilfe der optimale Zeitpunkt für den Austausch kritischer Komponenten ermittelt wird. Erklärtes Ziel ist die Vermeidung ungeplanter Stillstandzeiten in der Rohteilbearbeitung. Das Forschungsvorhaben wird mit Mitteln des Freistaates Bayern aus dem FuE-Programm Informations- und Kommunikationstechnik gefördert.