Einrichtassistenzsystem für Transferpressen auf KI-Basis

Die Erst- und auch Wiedereinrichtung von mehrstufigen Werkzeugen ist eine erhebliche Herausforderung für Einrichtende und je nach Komplexität des Werkzeugsatzes ein langwieriger Vorgang. Treten in einer Stufe Änderungen der Prozessparameter auf, welche etwa zu veränderten Prozesskräften führen, beeinflusst dies den Prozessablauf in anderen Stufen. Zur Wiedererlangung der Gutteilproduktion nutzt das geschulte Personal implizites Wissen, welches insbesondere auch Eigenschaften der verwendeten Maschine beinhaltet. Änderungen der Prozessbedingungen während der Produktion, etwa aufgrund von Verschleiß oder Temperaturänderungen während des Produktionsanlaufs, führen zu erfahrungsbasierten Nachjustierungen, ohne dass in jedem Fall die Ursache bekannt ist oder behoben werden kann.

Die im Rahmen des Projektes zu beantwortende Forschungsfrage ist, ob Prozessdaten kombiniert mit domänenspezifischem Wissen derart aufbereitet und genutzt werden können, dass mit einer messdatengetriebenen Modellierung impliziter Prozesszusammenhänge unter Einsatz KI-basierter Methoden die Lücke zwischen bestehenden Modellierungsansätzen und der Realität geschlossen werden kann.

Konkret werden folgende Ziele angestrebt:

• Identifikation signifikanter Einflussgrößen auf die Bauteilqualität in Stufenprozessen
• Tiefgreifendes Verständnis der Zusammenhänge von Prozesseinflussgrößen in Stufenprozessen
• quantitative Einschätzung der Effekte bei Variation der Einflussgrößen
• Nutzung der Kenntnisse zur Verkürzung von Einrichtvorgängen
• Optimierung des Designprozesses von Werkzeugwirkflächen

Das erwartete Ergebnis besteht in der Bereitstellung eines KI-basierten Einrichtassistenzsystems zur optimalen Maschineneinrichtung durch Ableitung von Handlungsempfehlungen zur Erst- und auch Wiedererlangung einer Gutteilproduktion nach erwarteten oder unerwarteten Änderungen der Randbedingungen mehrstufiger Umformprozesse.