Image
wzl_prozess_massivumformen.jpeg
Foto: Mubea Tailor Rolled Blanks GmbH
Visualisierung eines flexiblen Walzprozesses. Das neue Forschungsprojekt „Irlequm“ zur Prozessoptimierung und Qualitätssteigerung  im Bereich des Massivumformens startet am WZL. 

Simulation

Prozesse und Qualität beim Massivumformen verbessern

Neues Forschungsprojekt  zur Prozessoptimierung: Das WZL setzt auf „Industrielles Reinforcement Learning“ zur Qualitätsregelung von Massivumformprozessen.

Instabilitäten aufgrund von externen Einflussgrößen, unbekannten Wirkzusammenhängen zwischen Prozessparametern oder Qualitätsmerkmalen von Produkten führen in Massivumformprozessen trotz vorhandener Prozessregelungen häufig zu Ausschuss. Aktuelle Regelkonzepte basieren auf implizitem Bedienerwissen und setzen auf eine manuelle Anpassung der Prozessparameter. Dabei ist es oftmals nicht möglich, die Prozesse rechtzeitig anzupassen, um die Fertigungstoleranzen der Produkte einzuhalten. Ein Mittel zur übergreifenden Kompensation von Qualitätsabweichung sind Qualitätsregelkreise. In Kombination mit Ansätzen des maschinellen Lernens, hier dem Reinforcement Learning und dem Transfer Learning, bieten sie das Potenzial den Ausschuss zu reduzieren. Dies geschieht über eine automatische Adaption der Anlagenparameter bei auftretenden Instabilitäten.

Das Ziel des Forschungsprojektes Irlequm ist daher die Entwicklung eines auf Reinforcement und Transfer Learning basierenden Verfahrens zur Implementierung von neuartigen Reglern in Qualitätsregelkreisen von Massivumformprozessen.

So wird die Massivumformung simuliert

Damit eine Reinforcement Learning fundierte Regelung ermöglicht werden kann, wird zunächst die notwendige IT-Infrastruktur definiert und umgesetzt. Eine solche Regelung bietet die Vorteile, dass zum einen alle qualitätsrelevanten Informationen, wie Prozessparameter, Umgebungsbedingungen oder Rohstoffeigenschaften, in die Regelung mit einbezogen werden können. Zum anderen kann das implizite Bedienerwissen der Regelung dauerhaft nutzbar gemacht werden.

Um die Anlernzeit des Reinforcement-Learning-Algorithmus zu reduzieren und Ressourcen zu schonen, wird er nicht direkt am Realprozess trainiert, sondern an einer stochastischen Prozesssimulation. Die an der Simulation gewonnenen Erkenntnisse werden anschließend mittels Transfer Learning auf den Qualitätsregelkreis des Regelkreises übertragen.

Die ideale Servospindelpresse für die Umform-Forschung

Wissenschaftler an der TU Dresden loten neue Wege für effizientes Umformen aus. Wie eine hochgenaue Servospindelpresse die Forschung unterstützt.
Artikel lesen

In Echtzeit die Qualität der Prozesse optimieren

Das Ergebnis des Forschungsprojekts wird dadurch eine Qualitätsregelung von Massivumformprozessen sein, welche automatisiert, umfassend und in Echtzeit Prozesse regelt und die Qualität der Prozesse optimiert. Die gesteigerte Prozessqualität erhöht wiederum die Qualität der Produkte und reduziert den Ausschuss.

Mit einer Projektdauer von drei Jahren ist das Irlequm-Projekt zum ersten Juni 2021 gestartet und wird in Zusammenarbeit des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement, des Lehrstuhls für Technologie der Fertigungsverfahren (beide vom Werkzeugmaschinenlabor WZL der RWTH Aachen) sowie den Unternehmen Mubea Tailor Rolled Blanks GmbH (Konsortialführer), Eichsfelder Schraubenwerke GmbH, IconPro GmbH, Schomäcker Federnwerk GmbH, Quality Automation GmbH und den assoziierten Partnern MAWI GmbH und Schuler Pressen GmbH durchgeführt.

Das Forschungs- und Entwicklungsprojekt Irlequm wird durch das Bundesministerium für Bildung und Forschung (BMBF) im Programm „Zukunft der Wertschöpfung – Forschung zu Produktion, Dienstleistung und Arbeit“ (Förderkennzeichen 02P20A073) gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.

Image
Auf dem 8. Joinventure Leichtbau-Workshop drehtes ich alles um das Thema Nachhaltigkeit. auch einige Innovationen wurden vorgestellt, wie etwa eine  neue Doppelspindelanlage, die simultanes beidseitige Rührreibschweißen ermöglicht.
Foto: Joinventure

Strategie

Qualität und Nachhaltigkeit  verbessern

Der 8. Joinventure Leichtbau-Workshop drehte sich ganz um nachhaltige Metallbearbeitungen und zeigte einige Innovationen – gerade auch in der Schweißtechnik.

Image
Foto: IWP der TU Chemnitz

Umformtechnik

Die Massivumformung erfindet sich neu

Die 8. VDI-Fachtagung „Warmmassivumformung“, die im Februar 2020 stattfindet, geht auf Veränderungen bei Werkstoffen, Verfahren und Anlagen ein.

Image
Die für das vollautomatische Reinigungsstrahlen eines sehr breiten Spektrums dreidimensionaler Schweißkonstruktionen ausgelegte Strahlanlage verspricht reproduzierbare Ergebnisse sowie eine verschleißreduzierte Ausführung, hohe Verfügbarkeit und günstige Betriebskosten.
Foto: Rösler

Beschichten

Verkettetes Strahlen verbessert Qualität

Qualität, Kapazität, Verfügbarkeit und Vernetzbarkeit waren entscheidende Kriterien bei der Auswahl der neuen Strahllösung, in die ein polnischer Hersteller komplexer Stahlkonstruktionen investierte.

Image
massivumformung_fred_tool.jpeg
Foto: Industrieverband Massivumformung e.V

IT-Lösungen

Auf welchen Carbon Footprint kommt die Massivumformung?

„Fred“ ist ein einzigartiges Tool zur Ermittlung des Product Carbon Footprints, das unter anderem vom Industrieverband Massivumformung entwickelt wurde.