SPP 2422: Datengetriebene Prozessmodellierung in der Umformtechnik

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

Projektbeschreibung

Die Bauteilherstellung durch Umformverfahren bietet den Vorteil einer hohen Werkstoffausnutzung von bis zu 100 %. Fertigungsverfahren der Blechmassivumformung vom Band bieten das Potential durch eine effiziente Produktion funktionsintegrierter Bauteile aktuellen ökologischen und ökonomischen Herausforderungen zu begegnen. Die Produktion fehlerhafter Bauteile aufgrund von Werkzeugverschleiß reduziert die hohe Werkstoff- und 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-, Produkt- und Werkzeugdaten sowie offline gemessenen Werkzeugqualitätsdaten mittels Kombination von 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, unsicherheitsbehafteten Ursache-Wirkungs-Graphen. Zudem können Experten anhand starker Korrelationen bisher unbekannte Zusammenhänge aufdecken, die experimentell und simulativ validiert werden.