BMWK Optifeed

  • Ansprechperson:

    Dipl.- Ing. Clemens Zimmerling

  • Förderung:

    Das Vorhaben wird durch das Forschungskuratorium Textil e.V. über die AiF im Rahmen der Industrielle Gemeinschaftsforschung (IGF) mit Mitteln des Bundesministeriums für Wirtschaft und Klimaschutz gefördert

  • Projektbeteiligte:

    KIT-FAST, ITA der RWTH Aachen

  • Starttermin:

    10/21

  • Endtermin:

    09/23

Zeiteffiziente Ermittlung geeigneter Materialzuführungsstrategien für Stempeldrapierprozesse bei Faserverbundkunststoffen mit Techniken des Maschinenlernens - Optifeed

BildFAST-LBT

Kostenintensive Prozessversuche reduzieren,
einfache Nutzbarkeit für Anwender

Die Feinabstimmung eines Fertigungsprozesses zur fehlerfreien Bauteilfertigung erfordert in der Praxis zahlreiche kostenintensive Prozessversuche. Numerische Prozesssimulationen in Kombination mit Optimierungsalgorithmen können helfen, teure Prozessversuche zu reduzieren, erfordern jedoch aufwendige Materialprüfungen, numerische Expertise und lange Rechenzeiten. Dies schmälert ihre Attraktivität, insbesondere für KMU mit eingeschränktem Zugriff auf leistungsfähige Rechentechnik. Die Suche nach optimalen Fertigungsparametern geschieht daher häufig versuchs- und erfahrungsgetrieben nach Expertenwissen.

 

Besser früh eine gute Abschätzung
als spät ein präzises Optimierungsergebnis

Die zunehmende Verfügbarkeit und Nutzerfreundlichkeit fortgeschrittener Techniken des Maschinenlernens legt nahe, dieses Expertenwissen mit ‚lernenden‘ Algorithmen nachzubilden. Vergleichbar einem erfahrenen Experten erlernt ein Algorithmus den Zusammenhang zwischen Geometrie, Prozessbedingungen und beobachteter Bauteilqualität aus Beispielen (Abbildung oben). Automatisierte Simulationen erlauben dabei, enorme Umfänge unterschiedlicher Prozessbeispiele zu berücksichtigen und so das Prozesswissen vieler Umformexperten in einem einzelnen Algorithmus zu konzentrieren.

 

Für weitere Details schauen Sie gern in unsere Projektskizze oder schreiben uns direkt an!