T2: Physikalisch basierte Prozessbewertung und Entscheidungshilfe für strukturelle Prozessverbesserungen

• Antragstellerinnen / Antragsteller: Professor Dr.-Ing. Jürgen Fleischer; Professor Dr.-Ing. Frank Henning; Professorin Dr.-Ing. Luise Kärger
• Fachliche Zuordnung: Leichtbau, Textiltechnik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Kunststofftechnik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459291153

Projekt T2 beschäftigt sich mit dem virtuellen Pendant zum physischen Prozessbaukasten, um die Effizienz der Prozessreifmachung während der anlaufenden Produktion weiter zu erhöhen. Eine physikalisch basierte virtuelle Prozessbewertung hilft dabei, den Prozessdesignraum über die lokalen Optima des physischen Prozesslayouts hinaus zu erschließen und strukturelle Prozessverbesserungen durch gezielte Exploration des funktionsorientierten Designraums zu unterstützen. Wenn die durch datengestütztes Modelllernen und Prozessdesign ermittelten Prozessverbesserungen ausgeschöpft sind, kann der Prozess dennoch unausgereift sein. In diesem Fall können physikalisch basierte Prozesssimulationsmodelle - in Verbindung mit den bisher gespeicherten physikalischen Daten - als zusätzliche Quelle für (virtuelle) Prozessdaten dienen und den Prozessexperten eine verständliche und aufschlussreiche Entscheidungshilfe bieten, um die Prozessstruktur zielgerichtet zu verändern. Entsprechend sollen physikalisch basierte Prozesssimulationen genutzt werden, um virtuelle Prozessdaten bereitzustellen, die durch physikalische Sensoren im Prozess nicht zugänglich sind, und um virtuelle Prozesskonfigurationen zu erkunden, die über die bereits implementierte reale Prozessinstanz hinausgehen. Hierfür werden High-Fidelity-Prozesssimulationsmodelle für die Stempelumformung, für die Bauteil-Entformung und die Nachbearbeitung (mittels SPIF - single-point incremental forming) genutzt, weiterentwickelt und zu einer modularen virtuellen Prozesskette (CAE-Kette) verknüpft. Neben High-Fidelity-Modellen werden auch Low-Fidelity-Modelle betrachtet, um die Recheneffizienz zu erhöhen. Ansätze zur Modellvalidierung und Datenassimilation werden angewendet, um unzureichende Modellierung und Parametrierung zu erkennen und die Vorhersagegüte der CAE-Kette insgesamt zu bewerten. Schließlich werden strukturelle Defizite und Vorschläge für strukturelle Verbesserungen des Prozesses abgeleitet, die dann in T1 in den physischen Prozessbaukasten übertragen, spezifiziert und umgesetzt werden können.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5339: KI-FOR KI-basierte Methodik für die schnelle Ertüchtigung unreifer Produktionsprozesse