KI-Erosion – Einsatz von Methoden der Künstlichen Intelligenz zur datenbasierten Bewertung des Drahtfunkenerosionsprozesses

Steckbrief

Eckdaten

Laufzeit:
01.01.2021 bis 31.12.2023
Organisationseinheit:
Lehrstuhl für Technologie der Fertigungsverfahren, Abtragende Fertigungsverfahren
Fördergeber:
Bundesministerium für Bildung und Forschung BMBF
Status:
Laufend

Forschungspartner

    • IconPro GmbH
    • WBA Aachener Werkzeugbau Akademie GmbH
    • Makino Europe GmbH

Kontakt

Name

Ugur Küpper

Gruppenleiter

Telephone

work Phone
+49 241 80 28175

E-Mail

 

Um als Produktionsstandort weiterhin konkurrenzfähig gegenüber Niedriglohnländern zu bleiben, wird neben einer Steigerung der Produktivität und Produktqualität auch die Reduzierung der Kosten angestrebt. Um dies zu realisieren, werden einzelne Fertigungstechnologien oder ganze Prozessketten optimiert und automatisiert. Die Automatisierung setzt dazu stabile und adaptive Prozesse voraus, die keine manuellen Eingriffe mehr benötigen. Ein gängiges Fertigungsverfahren, welches flächendeckend im Werkzeug- und Formenbau eingesetzt wird und zunehmend in der Luft- und Raumfahrt an Bedeutung gewinnt, ist die Drahtfunkenerosion. Um diese Technologie im Kontext von Industrie 4.0 in eine digitalisierte Produktion einzubinden, ist die Nutzung der Prozessdaten notwendig.

Ziel des Verbundvorhabens „KI-Erosion“ ist es, in kooperativer Forschung und Entwicklung auf Basis physikalischer Größen und weiteren Prozessdaten mithilfe von KI-Methoden die Produktivität und Qualität des Drahtfunkenerosionsprozesses online bewerten zu können. Mit Aufbau eines digitalen Zwillings werden statistische und physikalische Modelle kombiniert und bilden Maschine und Produkt möglichst genau ab. Die Auswahl von geeigneten Modellen zur Datenanalyse stochastischer Prozesse kann viel Zeit beanspruchen. Die Drahtfunkenerosion stellt aufgrund hoher Datenmengen und ihres stochastischen Charakters besonders hohe Anforderungen an die ausgewählten Analysemethoden. Während einer konventionellen Bearbeitung können mehrere hunderte Millionen von einzelnen Funken zünden.

Daher wird durch eine systematische Datenaufbereitung und Datenreduktion mithilfe eines Algorithmus automatisiert ein geeignetes Modell für die gegebenen Daten ermittelt. Mit Daten aus variablen Prozessbedingungen werden statistische Modelle mithilfe von KI-Methoden trainiert. Darüber hinaus werden für die Untersuchungen physikalische Modelle zum Abtragverhalten und zur Spülung entwickelt. Das Zusammenführen dieser Modelle soll eine digitale Abbildung des Werkstücks ermöglichen und so die Qualität prognostizieren und optimieren. Mithilfe dieses umfassenden Modells werden sowohl eine Online-Prozessüberwachung als auch eine datenbasierte Optimierung der Prozessparameter für eine Bearbeitungstechnologie realisiert, welche für die weitere Digitalisierung von Produktionsprozessen eingesetzt werden können. Abschließend werden die Funktionen in eine Industrie-App überführt, um deutschen KMU die Automatisierung des Funkenerosionsprozesses zu vereinfachen.

Weitere Informationen finden Sie auf der Internetseite des Forschungsvorhabens .