Das Zukunftslabor Produktion hat das Ziel, die Prozesskette der Druckgussindustrie von der Erstellung der Werkzeugformen bis zum Druckgießprozess in digitaler Form abzubilden. Dabei werden Lösungen des maschinellen Lernens und der künstlichen Intelligenz angewandt, um Aufwände in der Prozesskette zu reduzieren und die erzeugte Qualität zu erhöhen. Dies bringt eine Reihe von direkten und indirekten Fragestellungen zur Digitalisierung mit sich, die das Zukunftslabor Produktion beantwortet.
Zentraler Forschungsgegenstand des Zukunftslabors ist ein Prozesskettendemonstrator. Dabei handelt es sich um eine Gießform, die zur Herstellung eines Bauteils verwendet wird. Mithilfe dieses Demonstrators werden die wichtigsten Erkenntnisse und Schwerpunkte der einzelnen Arbeitspakete dargestellt. Ein weiterer Schritt in diese Richtung stellt die Festlegung auf ein Referenzbauteil dar. Daher bestimmten die Wissenschaftler*innen des Zukunftslabors in Absprache mit einem Unternehmen der Druckgussindustrie ein Bauteil, welches zentrale Eigenschaften eines Gussbauteils in sich vereint. Sie entschieden sich für ein Bauteil aus der Luftfahrt, welches besonders hohe Anforderungen an die Oberflächengüte aufweist: die Trägerstruktur eines ausklappbaren Flugzeugtisches. Die Konstruktion der Gießform befindet sich in den letzten Zügen. Zudem identifizierten die Wissenschaftler*innen Prozesssignale und wählten geeignete Sensoren aus, um den Gießprozess zu überwachen.
Die Gießform wird durch spanende Bearbeitung (Fräsen) hergestellt. Da es sich bei den eingesetzten Werkstoffen um hochfeste Stahllegierungen handelt, stellt dies besondere Anforderungen an die Herstellung dieser Form. Eine Möglichkeit, diesen Anforderungen gerecht zu werden, besteht darin, den Herstellungsprozess mit einem sogenannten digitalen Zwilling vorab zu simulieren. Der digitale Zwilling ist das virtuelle Spiegelbild der Bearbeitungsmaschine und des Bauteils. Durch die Simulierung kann der Herstellungsprozess vor der tatsächlichen Durchführung überprüft und bei eventuellen Prozessfehlern optimiert werden: Die Wissenschaftler*innen analysierten die Daten des digitalen Zwillings mit Algorithmen des Machine Learnings. Dadurch stellten sie fest, dass Qualitätsmerkmale vor der eigentlichen Herstellung prognostiziert werden können. Somit kann ein digitaler Zwilling dazu beitragen, mögliche Prozessfehler bzw. Qualitätseinbußen im Voraus zu verhindern.
Machine Learning kann im Rahmen der Fertigung auch für die Produktionsplanung und -steuerung angewandt werden. Hierbei zielen die Wissenschaftler*innen auf einen effizienten und vorhersehbaren Fertigungsdurchlauf ab. Zur Modellierung dessen erstellten sie aus dem Hannoveraner Lieferkettenmodell ein logisches Datenmodell, welches sie im weiteren Verlauf entwickeln werden. Das Zukunftslabor Produktion zielt insbesondere darauf ab, mithilfe künstlicher Intelligenz eine vorausschauende Fertigungsplanung zu ermöglichen. Dies ist vor allem in zunehmend volatilen und individualisierten Produktionslinien von Bedeutung. Hierbei kann mit ausgewählten Fertigungsauftragscharakteristiken eine verlässliche Vorhersage von Durchlaufzeiten ermittelt werden.
Die behandelten vielfältigen Forschungsgebiete haben eines gemeinsam: Es fällt eine zunehmend große Menge an Daten an. Insbesondere durch die Vernetzung von Fertigungsstandorten untereinander wirft dies Fragestellungen hinsichtlich der IT-Sicherheit und der IT-Architektur auf. So soll eine gemeinsame Datenplattform verschiedenen Nutzern*innen und Anforderungen gerecht werden. Um diese Anforderungen zu identifizieren, führten die Wissenschaftler*innen Interviews mit Praxispartnern des Zukunftslabors Produktion durch. Die ermittelten Anforderungen konsolidierten die Wissenschaftler*innen zu einem Gesamtanforderungskonzept für die Datenplattform. Auf dieser Grundlage konnten die Wissenschaftler*innen verschiedene Datenplattformen vergleichen und ein passendes Modell für das Zukunftslabor Produktion konzipieren. Dieses werden sie im Verlauf des Projektes unter Berücksichtigung juristischer Fragestellungen weiter ausarbeiten. Die Datenplattform soll später zur digitalen Vernetzung der unterschiedlichen Fertigungsschritte und -standorte beitragen.
