Projektübersicht
Principle Investigators |
Prof. Dr.-Ing. Werner Homberg |
Projektteam: |
Andreas Mazur M.Sc. |
Forschungseinrichtungen: |
Lehrstuhl für Umformende und Spanende Fertigungstechnik (LUF), Universität Paderborn |
Halbzeugwerkstoff(e): |
Stahl-Flachdraht (1.4310) |
Fertigungsprozesse: |
Rollrichten, Stanzbiegen |
Motivation
- Berücksichtigung von stufenübergreifenden und stückzahlabhängigen Effekten
- Aufbau einer hybriden, datengetriebenen Prozessmodellierung für einen mehrstufigen Richt- und Stanzbiegeprozess für Flachdraht
- Aufbau einer modellbasierten Prozessregelung
Ziele
Eine Herausforderung des Richt- und Stanzbiegeprozesses hinsichtlich einer wiederholgenauen Bauteilqualität sind die stufenübergreifenden und stückzahlabhängigen Effekte, die aufgrund der Drahtherstellung und des Aufwickelns des Drahtes auf Coils dem Draht induziert werden. Das Ziel des Projekts ist die datengetriebene Modellierung eines stufenübergreifenden und stückzahlabhängigen Richt- und Stanzbiegeprozesses, um so eine modellbasierte Prozessregelung zu entwickeln. Dieser Prozess besteht aus einem Flachdrahtcoil, einem Rollenrichtapparat und einem Stanzbiegeautomat. Hinsichtlich der Prozessmodellierung wird hierbei ein hybrider Ansatz mittels Kombination von datengetriebenen Methoden und wissensbasierten Modellen verfolgt. Das so zu entwickelnde hybride Machine Learning Modul (HML-Modul) besteht aus einem digitalen Zwilling, der die Daten aus numerischen oder analytischen Modellen sowie Expertenwissen und Sensordaten des Realprozesses aufnimmt, aufbereitet und im Anschluss an das Machine Learning Modul (ML-Modul) übergibt. Ziel des ML-Moduls ist das Erlernen kompakter Repräsentationen für hochdimensionale Prozessdaten, auf Basis dessen ein Surrogatmodell trainiert werden soll. Aufgabe des Surrogatmodells ist die effiziente Abbildung komplexer und nichtlinearer Korrelationen zwischen stufenübergreifenden und stückzahlabhängigen Prozessdaten, die aktuell allenfalls approximativ durch Expertenwissen eingeschätzt werden können. Prozesskorrekturen sollen mithilfe des effizienten Surrogatmodells geschätzt und an den digitalen Zwilling zurückgesendet werden. Jener überprüft die vorgeschlagene Aktorenanpassungen und leitet diese ggf. zurück zur Aktorik der Stanzbiegestrecke.
Arbeitsprogramm
Arbeitspaket |
Beschreibung |
AP1 |
Erforschung der Erfassung und Formalisierung relevanter Umformsystemdaten durch geeignete mechatronische Systeme |
AP2 |
Formalisierung der betrachteten Prozesse, der automatisierten Datengewinnung und des spezifischen Domänenwissens |
AP3 |
Implementation des hybriden Machine Learning Moduls |
AP4 |
Bereitstellung von Referenzdatensätzen und integrierten Anwendungsszenarien sowie Validierung der Forschungsergebnisse |
AP5 |
Dokumentation im Sinne einer Evaluation des datengetriebenen Richt- und Stanzbiegeprozesses im Hinblick auf das entwickelte HML-Modul |
Erwartete Ergebnisse
Das erwartete Ergebnis des Forschungsvorhabens besteht in der Modellierung eines Richt- und Stanzbiegeprozesses zur Korrektur von stufenübergreifenden und stückzahlabhängigen Effekten und demzufolge zu einer Erhöhung der Produktqualität. Für den hybriden Modellierungsansatz werden analytische und numerische Ansätze sowie experimentelle Untersuchungen und Expertenwissen mit maschinellen Lernverfahren kombiniert. Hieraus bildet sich das HML-Modul bestehend aus dem digitalen Zwilling und dem ML-Modul.
Bislang erzielte Projektergebnisse (Stand 04/2025)
Hinsichtlich der erzielten Ergebnisse des Teilprojektes 4 wurde zunächst das HML-Modul konzeptionell entwickelt. Hierbei wurden anfallende Aufgaben für die datengetriebene Modellierung des Stanzbiegeprozesses identifiziert, mögliche Ansätze diskutiert und auf die Kommunikation zwischen den einzelnen Bestandteilen des HML-Moduls eingegangen.
Nachfolgend wurde das Konzept durch die Entwicklung des Aufbaus des digitalen Zwillings präzisiert. Hierfür wurde die “Domain-Specific Language for Data Pipelines in Forming Systems (DSL4DPiFS)” verwendet, um weitere Entwicklungsschritte ableiten zu können. Diese wurden dann beim Aufbau der Kommunikations-Infrastruktur zwischen dem digitalen Zwilling und dem Realprozess angewendet. Mittels dieser lassen sich die Prozessdaten automatisiert im digitalen Zwilling hinterlegen und dem ML-Modul zur Verfügung stellen.
Ein Regressionsmodell zum Schätzen von Biegewinkeln, ein Variational Auto-Encoder (VAE) zum Erlernen kompakter Repräsentationen von Prozesskonfigurationen und ein Algorithmus zum Berechnen plausibler kontrafaktueller Erklärungen wurden implementiert und in dem ML-Modul zusammengefasst. Dieses ML-Modul verfolgt den Zweck, Prozesskonfigurationen für Ziel-Biegewinkel zu ermitteln. Des Weiteren wurden nichtlineare Dimensionsreduktionsverfahren angewendet, um hochdimensionale Geometriedaten für eine weitere Verarbeitung kompakt darzustellen.
Neben einer initialen Analyse der Charakteristik des zugrundlegenden Biegeprozesses wurde ebenfalls eine FE-Simulation für eine einstufige Biegeoperation mittels Abaqus entwickelt. Mittels der FE-Simulationen wurde eine initiale Menge an Geometriedaten aufgenommen, welche in Zukunft mit Hilfe des HML-Moduls aufgenommen und verarbeitet werden sollen. Die Biegesimulationen wurden mit unterschiedlichen Radien und Biegewinkeln durchgeführt, um den Einfluss geometrischer Parameter am Endprodukt zu untersuchen.
Kontakt
Prof. Dr. Barbara Hammer
Universität Bielefeld
CITEC centre of excellence
Universitätsstraße 21-23
33594 Bielefeld
E-Mail: bhammer@techfak.uni-bielefeld.de
Website: https://ekvv.uni-bielefeld.de/pers_publ/publ/EinrichtungDetail.jsp?orgId=10037
Prof. Dr.-Ing. Werner Homberg
Universität Paderborn
Umformende und Spanende Fertigungstechnik
Warburger Str. 100
33098 Paderborn
E-Mail: wh@luf.uni-paderborn.de
Website: https://mb.uni-paderborn.de/luf
Prof. Dr.-Ing. habil. Ansgar Trächtler
Universität Paderborn
Heinz Nixdorf Institut
Fürstenallee 11
33102 Paderborn
E-Mail: ansgar.traechtler@hni.uni-paderborn.de
Website: https://www.hni.uni-paderborn.de/
Andreas Mazur M.Sc.
Universität Bielefeld
CITEC centre of excellence
Universitätsstraße 21-23
33594 Bielefeld
E-Mail: amazur@techfak.uni-bielefeld.de
Website: https://ekvv.uni-bielefeld.de/pers_publ/publ/EinrichtungDetail.jsp?orgId=10037
Henning Peters M.Sc.