Automatisierte Bereitstellung aller Komponenten eines Simulationsprozesses für die spanende Fertigung und Optimierung der Simulation mithilfe von KI

Beim Teilprojekt Automatische Modellierung spanender Fertigungsprozesse geht es darum, alle Komponenten eines Simulationsprozesses für die spanende Fertigung automatisiert bereitzustellen und die Simulation mithilfe von Künstlicher Intelligenz zu optimieren. Das (Zer-)Spanen bezeichnet Fertigungsverfahren, die Werkstücken eine bestimmte geometrische Form geben. Dazu zählt das Drehen, Bohren, Fräsen und Schleifen. Diese Prozesse finden nach dem Druckguss statt. Die notwendigen Werkzeugmaschinen werden im Sinne eines „Plug & Produce“-Konzepts flexibel und mit geringem Aufwand in die existierende Produktionsumgebung eingebunden. Mithilfe eines digitalen Zwillings (einer digitalen, rechnergestützten Abbildung der Werkzeugmaschinen) werden Reaktionsketten der realen Werkzeugmaschine (z. B. Prozesszeit, Qualität, Werkzeugverschleiß) virtuell kostengünstig und schnell getestet. Erfolgreiche Konfigurationen werden in die Realität übernommen. Mithilfe einer intelligenten Verarbeitungseinheit (Intelligent Processing Unit, IPU), die Steuerungsinformationen, Daten aus der vorgelagerten CAD/CAM-Planung (computergestützte Konstruktion und Fertigung) sowie Prozessdaten aus der Fertigung verarbeitet, werden Methoden der Künstlichen Intelligenz auf das Prozessmodell für die spanende Fertigung angewandt. Ziel ist es, selbständig Prozessanomalien zu erkennen und Prozesse darauf reagierend automatisiert zu ändern.

KI basierte Modellierung von Bauteilinformationen unter Prozessunsicherheiten

Bei der Erstellung eines digitalen Zwillings, der die Fertigungsqualität eines Bauteils aus den Prozessgrößen vorhersagt, gilt es, die Einflüsse der Unsicherheit und der prozessbedingten Abweichungen in eine prozessparallele Simulation einzubringen. Dazu muss die prozessparallele Simulation in der Lage sein, prozessgrößenbedingte Einflussfaktoren vorhersagen zu können, die sich auf die Bauteilqualität auswirken können. Um eine geeignete Modellierung vorzunehmen, werden hierbei verschiedene ML-Verfahren auf ihre Eignung untersucht. Neben den, mit geeigneten Modellen vorhersagbaren Einflüssen und Größen, spielen auch die zufallsbedingten Ausgangsgrößen eine Rolle. Diese gilt es zu analysieren, um auch die Schwankungsbreite der Ergebnisse zu beachten. Damit können auch unter Berücksichtigung der gewünschten Toleranz Abschätzungen über Konformitätswahrscheinlichkeiten getroffen werden.

Folgende Wissenschaftler*innen beteiligen sich am Projekt „Automatische Modellierung spanender Fertigungsprozesse“:

• Prof. Dr.-Ing. Berend Denkena, Leibniz Universität Hannover, Institut für Fertigungstechnik und Werkzeugmaschinen
• Dr. Claudia Niederée, Leibniz Universität Hannover, Forschungszentrum L3S