DatProForge - Datengetriebene Prozessmodellierung von Gesenkschmiedeprozessen zur Erhöhung der Produktivität mittels adaptiver Werkzeugkonstruktionsmethodik

Die aktuellen Trends in der Umformtechnik zeigen einen zunehmenden Automatisierungsgrad und eine steigende Anforderung an die geometrische Genauigkeit der Schmiedestücke. Numerische Berechnungen ermöglichen die Optimierung des Umformprozesses und eine deutliche Verbesserung der Technologie noch vor der technologischen Erprobung. Der aktuelle Stand der Forschung zeigt, dass mit analytischen und numerischen Modellen nicht nur der Schmiedeprozess, sondern auch das statische und dynamische Verhalten der Presse abgebildet werden kann, was auch wiederum einen Einfluss auf die Bauteilqualität hat. Beispielsweise haben schon eine deterministische oder stochastische Abweichung von der Ideal-Einlegeposition des Rohlings einen signifikanten Einfluss auf die Qualität des Schmiedeteils, das Geschwindigkeitsprofil des Bären sowie dem lokalen Anpressdruck. Darüber hinaus ist bekannt, dass geringfügige Änderungen in der Gesenkwirkfläche die Prozessresilienz beeinflusst. Das Ziel des Forschungsprojektes ist die Erarbeitung eines Grundlagenverständnisses zwischen der Wechselwirkung von Messdatenveränderungen (Mustererkennung, infolge gezielt veränderter Prozesszustände) und dem Wirkflächendesign beim Gesenkschmieden (z.B. Schrägwinkel oder Gesenkteilung) auf die Produktqualität im Dauerbetrieb. Mit Methoden der KI sollen die Wirkflächen im Schmiedeprozess so gestaltet werden, dass die Bauteilausschussrate bezüglich deterministischer und stochastischer Effekte deutlich reduziert wird. Bei der Digitalisierung des Schmiedeprozesses ist neben der Temperaturmessung auch die Geschwindigkeitsmessung entscheidend. Zu diesem Zweck wird die direkte Geschwindigkeitsmessung mittels Radartechnik eingesetzt. Im Gegensatz zu bisherigen Untersuchungen werden mit Hilfe von Simulationen und Expertenwissen Muster und Merkmale generiert, die dann in den Messdaten identifiziert werden können. Dies ermöglicht die Entwicklung einer künstlichen Intelligenz, die später bei der Entwicklung neuer Werkzeuge helfen soll. Die KI wird Daten aus einem Dauertest-Sensornetzwerk nutzen, in dem erstmals die Geschwindigkeitsmessung über 120-GHz-Radare in ein Umformsystem integriert sind. Für die Mess- und Simulationsdaten wird ein Cloud-Fog-Edge-Datenverarbeitungskonzept verwendet. Die identifizierten Muster und Merkmale werden in Verbindung mit der KI so angewendet, dass sie die Standzeit der Wirkflächen verbessert. In der ersten Förderperiode (1. FOP) sollen die experimentellen Bedingungen für ein- und mehrstufige Umformprozesse mit zyklischer Be- und Entlastung der Werkzeugwirkflächen geschaffen werden, die die Digitalisierung des Umformprozesses im Dauerlauf ermöglichen. In nachvollziehbaren Referenzdatensätzen und Daten aus Dauerlaufversuchen werden abschließend die Prozessmessdaten in kurz- und langfristige Prozessunsicherheiten zerlegt. Mit dem Abschluss des ersten FOP sind sowohl erste Merkmale und Muster identifiziert als auch Datenräume für Messungen und Simulationen definiert.

DFG-Verfahren Schwerpunktprogramme

Teilprojekt zu SPP 2422:  Datengetriebene Prozessmodellierung in der Umformtechnik

Mitverantwortlich Professor Dr.-Ing. Johannes Buhl