Erarbeitung einer datengetriebenen Methode für die Prozessauslegung thermisch unterstützter Umformprozesse und anschließender Bauteilbewertung für das Presshärten

• Antragstellerinnen / Antragsteller: Dr.-Ing. Dirk Helm; Professorin Dr.-Ing. Marion Merklein
• Fachliche Zuordnung: Ur- und Umformtechnik, Additive Fertigungsverfahren ; Computergestütztes Werkstoffdesign und Simulation von Werkstoffverhalten von atomistischer bis mikroskopischer Skala ; Mechanische Eigenschaften von metallischen Werkstoffen und ihre mikrostrukturellen Ursachen
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 567215412

Thermisch unterstützte Umformprozesse, wie das Presshärten, sind technologisch besonders anspruchsvolle Produktionsprozesse mit einer Vielzahl an möglichen Prozess-parametereinstellungen. Die Auswirkungen auf die Materialeigenschaften im Sinne von Prozess-Struktur-Eigenschaftsbeziehungen sind nicht vollumfänglich bekannt. Die Prozessführung auf Basis klassischer Methoden zur Abschätzung des Materialverhaltens mit dem Ziel, Bauteile mit maßgeschneiderten Materialeigenschaften herzustellen, ist nur eingeschränkt möglich. Der Forschungsansatz basiert daher auf der Hypothese, dass die Synthese aus Versuch und Charakterisierung, Modellbildung und Simulation sowie neuen Methoden aus dem Bereich des maschinellen Lernens es ermöglichen, neuartige Prozess-Struktur-Eigenschaftsbeziehungen aufzustellen. Diese wiederum ermöglichen es effiziente Prozessmodelle für die Prozessauslegung und für die Bauteilbewertung bei thermisch unterstützten Umformprozessen zu erzeugen. Die Ziele des Vorhabens bestehen in der Erarbeitung von Ursache-Wirkzusammenhängen sowie der Entwicklung, Anwendung und Bewertung von Methoden des maschinellen Lernens für die verbesserte Beschreibung von Presshärteprozessen mit den folgenden Schwerpunkten: 1. Ein anlagennahes Prozessmodelle, welches innerhalb des Vorhabens für die Prozessauslegung verwendet wird. Mit dem Prozessmodell können für vorgegebene Prozessparameter (thermischer Lastpfad) die Gefügestruktur sowie mechanische Eigenschaften des Materials (Festigkeit und Härte) zum Prozessende effizient vorhergesagt werden. Das anlagennahe Prozessmodell eignet sich damit für den Einsatz in einer Optimierung der Prozessparameter hinsichtlich gewünschter Gefügestruktur und damit verbundenen Eigenschaften im Prozess. 2. Ein hybrides Materialmodell für die Simulations-gestützte Prozessauslegung, welches die Durchführung effizienter FEM-Simulation des gesamtem Warmumformprozesses erlaubt. Ziel des hybriden Materialmodells ist es, die Vorteile von maschinellem Lernen in der Materialmodellierung dort einzusetzen, wo die klassische, physikalisch motivierte Modellierung große Herausforderungen hat. Mikrostrukturelle Prozesse (wie das Austenitisieren mit anschließender Abschreckung mit verschiedenen Gefügezuständen, diffusiven Prozessen, Phasenumwandlungen, usw.), welche aus physikalischer Modellierungssicht sehr kompliziert sind, werden anhand der experimentellen Daten gelernt. Die Methodik wird anhand des Presshärteprozesses entwickelt und validiert. Die Übertragbarkeit der entwickelten Ansätze auf andere Werkstoffe, Legierungen und Prozesse ist angestrebt.

• DFG-Verfahren: Sachbeihilfen