ZeroWaste - Null-Abfall-Produktion durch modellbasierte Identifikation von Materialchargenschwankungen

Herausforderung und Zielstellung

Schwankungen der mechanischen Eigenschaften zwischen verschiedenen Chargen des gleichen Werkstoffs führen häufig zu Problemen in der Serienfertigung und damit zu erhöhtem Ausschuss. Zur Lösung dieser Problematik wurde am Fraunhofer IWU ein Schnelltest (modifizierter Tiefungsversuch) entwickelt, der eine schnelle Bewertung der Prozessfähigkeit verschiedener Materialchargen ermöglicht. Der Schnelltest hat zwei wesentliche Vorteile: Zum einen sind die Proben einfach herzustellen und zum anderen erfolgt die Prüfung unter mehrachsigen Beanspruchungszuständen, die jenen bei der tatsächlichen Umformung deutlich ähnlicher sind. Der Schnelltest erfasst während der Prüfung verschiedene Sensordaten. Anhand dieser Daten wird mithilfe von Prognosemodellen eine Aussage über die Prozessfähigkeit getroffen.

Eine wesentliche Herausforderung liegt in der Erstellung der Prognosemodelle: dies soll möglichst schnell und kostengünstig erfolgen. Genau das ist das Ziel des Projekts »ZeroWaste«. Im Projekt werden Methoden zur Generierung von Daten für das Training von Vorhersagemodellen entwickelt. Dabei werden einerseits Chargenschwankungen künstlich erzeugt und andererseits KI-Modelle eingesetzt, um zusätzliche Daten zu generieren. Das Projekt wird im Rahmen der 36. CORNET-Ausschreibung gemeinsam mit der Istanbul Technical University (Türkei) bearbeitet.

Lösung und Umsetzung

Am Fraunhofer IWU werden synthetische Daten für das Training der Prognosemodelle mithilfe von FE-Simulationen und generativen KI-Modellen erzeugt und anschließend mit gemessenen Daten aus Experimenten validiert. Bei der Generierung der Daten ist entscheidend, dass diese die spezifizierte Variation der mechanischen Eigenschaften abbilden. Durch das Training der Prognosemodelle mit den Daten entsteht die Möglichkeit, die »Material-Ausreißer« in der experimentellen Untersuchung richtig zu detektieren und die mechanischen Eigenschaften zu prognostizieren. An der Istanbul Technical University im Bereich Metallurgie und Werkstofftechnik werden Arbeiten zur Entwicklung einer geeigneten Methodik zur gezielten Variation der mechanischen Eigenschaften von Blechen durchgeführt, wodurch wiederum Daten generiert und damit die Prognosemodelle trainiert werden können. Dabei sollen mindestens zwei unterschiedliche Materialien untersucht werden – Aluminium (z.B. 5xxx) sowie eine Stahlsorte (z.B. DP800). 

Sie wollen über Ergebnisse im Projekt informiert werden? Dann melden Sie sich gerne bei uns.