Datengestützte Bestimmung und Prognose des Wirkflächenzustandes und -eingriffs bei Fließpressprozessen vom Band

• Antragstellerinnen: Professorin Dr.-Ing. Marion Merklein; Professorin Dr.-Ing. Birgit Vogel-Heuser
• Fachliche Zuordnung: Ur- und Umformtechnik, Additive Fertigungsverfahren ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 520194633

Die Bauteilherstellung durch Umformverfahren bietet den Vorteil einer bis zu 100%-igen Werkstoffausnutzung. Fertigungsverfahren der Blechmassivumformung vom Band bieten zudem das Potential, durch eine effiziente Produktion funktionsintegrierter Bauteile aktuellen ökologischen und ökonomischen Herausforderungen zu begegnen. Die Produktion fehlerhafter Bauteile aufgrund von Werkzeugverschleiß wirkt der hohen Werkstoffausnutzung entgegen und reduziert damit die Energieeffizienz. Die Folge sind erhöhte Produktkosten und Umweltbelastung, da Ausschusskosten auf die Gutteile umgelegt sowie fehlerhafte Bauteile entsorgt und rezykliert werden müssen. Eine Erkennung von Verschleißerscheinungen und frühzeitiges Eingreifen bieten das Potential, während der Produktion einer Charge Ausschussmengen gering zu halten und die Umweltbilanz des Gesamtprozesses positiv zu beeinflussen. Das zu erforschende Frühwarnsystem erkennt auf Basis von inline gemessenen Maschinen- und Werkzeugdaten sowie offline gemessenen Produkt- und Werkzeugqualitätsdaten und der Kombination mit Expertenwissen in einem Informationsmodell frühzeitig Werkzeugverschleiß und prädiziert in Folge abweichende Bauteileigenschaften, bzw. Maschinen- und Prozessdaten. Ziel dieses Forschungsvorhabens ist es daher, anhand eines Voll-Rückwärts-Fließpressprozesses vom Band ein Frühwarnsystem für Werkzeugverschleiß auf Basis eines Modells mit weitest möglicher Integration in die Maschinenautomation zu erforschen. Durch die Korrelationsanalyse von werkstückgenau zeitrichtig zugeordneten Daten von Sensoren und Aktoren aus der Maschinenautomation inklusive des Werkzeugs, der inline optischen Analyse und mikroskopischer Untersuchung von Werkzeug und Bauteilstichproben werden die Korrelationsstärken zwischen Prozessparametern quantitativ ermittelt. Diese erlauben in Kombination mit einem durch Experten aufgebauten Kausalmodell den Aufbau eines quantifizierten Ursache-Wirkungs-Graphen. Zudem können Experten anhand starker Korrelationen bisher unbekannte Zusammenhänge aufdecken, die experimentell und simulativ validiert werden. Der resultierende Ursache-Wirkungs-Graph ist Teil des als Ontologie formalisierten, evolvierbaren Informationsmodells für Produkt, Prozess und Maschinenressource, inklusive verschiedener Werkzeuge. Als mögliche Abbildungen des unsicherheitsbehafteten, sich evolvierenden Wissens sind Probabilistic RDF oder RDF* zu untersuchen. Mit Hilfe eines im Projekt zu entwickelnden Frühwarnsystems kann mit dem Informationsmodell interagiert werden, um „rückwärts“ beobachtete Abweichungen an Produkt oder Werkzeug durch darauf einwirkende Prozessgrößen zu erklären und „vorwärts“ die Auswirkungen von Änderungen auf abhängige Größen zu prädizieren. Durch das erweiterte Parameterverständnis sollen ein Eingriff in den Umformprozess inmitten der Fertigung einer Charge und damit eine gesteigerte Ressourceneffizienz ermöglicht werden.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 2422: Datengetriebene Prozessmodellierung in der Umformtechnik