Suchen

EMO Hannover 2019

Auf dem Weg zur autonomen Produktion

| Redakteur: Ute Drescher

Für die Produktion der Zukunft sind autonome Systeme notwendig, die eine flexible Automatisierung sowie Freiheiten bieten, dabei aber unabhängig von der Losgröße stets hohe Produktivität und Robustheit gewährleisten. Am IFW in Hannover sucht man Wege dorthin.

Firmen zum Thema

Um neue Methoden für bessere Qualitätssicherung zu entwickeln, wird am IFW die Verwendung von Augmented Reality erforscht.
Um neue Methoden für bessere Qualitätssicherung zu entwickeln, wird am IFW die Verwendung von Augmented Reality erforscht.
( Bild: Nico Niemeyer/IFW )

Autonome Produktionssysteme besitzen die Fähigkeit, die Fertigung selbst zu planen und zu steuern. Zusätzlich sind sie in der Lage, sich an unvorhergesehene Veränderungen der Umgebung anzupassen. Infolge des anhaltenden Trends zu individualisierten Produkten nimmt der Anteil der Einzelteilfertigungen zu. Das erfordert first time right in der Produktion.

Grundlegende Voraussetzung ist die Prozessüberwachung für Einzelteile. Im Gegensatz zur Serienproduktion, bei der die Prozesse unter Verwendung vorangegangener Prozessdaten überwacht werden, kann in der Einzelteilfertigung nicht auf existierende Messwerte zurückgegriffen werden. Um dennoch bereits das erste Exemplar überwachen zu können, müssen Referenzwerte über Prozesssimulation bestimmt werden. Am Beispiel der Fertigung eines Impellers wird daher auf Basis einer hochgenauen Echtzeit-Materialabtragsimulation und mit einem neuronalen Netzwerk der Spindelstrom prognostiziert. Der Vergleich von simulierten und gemessenen Prozessdaten macht die Detektion von Prozessfehlern und so die Überwachung von Einzelteilen möglich.

Eine permanente Zustandsüberwachung bei werthaltigen und komplexen Investitionsgütern, wie beispielsweise Hochdruckturbinenschaufeln, ist aktueller Stand der Technik. Im starken Kontrast dazu steht jedoch ihre manuelle Reparatur – ebenfalls Stand der Technik –, die oft nur von der subjektiven Einschätzung des bearbeitenden Mitarbeiters und somit von dessen Ausbildung und Erfahrung abhängt. Zur Regeneration komplexer Investitionsgütern bauen die Wissenschaftler eine automatisierte Prozesskette auf, die genau das verändern soll.

Zusätzlich zur realen Ebene, in der sich die Werkzeugmaschinen befinden, existiert eine virtuelle Ebene. Hier werden die Turbinenschaufeln, die repariert werden müssen, simuliert und so ihr Zustand, also die Ist-Perfomance und die Ist-Lebensdauer ermittelt. Aus diesem Zustand und den Kundenwünschen werden die individuellen Reparaturpfade erzeugt und in der realen Ebene mit neu entwickelten Reparaturverfahren durchgeführt.

Die fühlende Werkzeugmaschine

In der modernen Medizintechnik werden individuelle Produkte immer wichtiger. Individuell angepasste Implantate können Komplikationen nach der Operation verhindern und führen zu höherer Lebensqualität beim Patienten. Um die Endkontur der komplexen Implantat-Geometrien mit Fräsmaschinen zu fertigen, muss die gesamte Prozesskette vom CAD-Design über die Bahnplanung bis hin zur Feinjustierung der Prozessparameter durchlaufen und angepasst werden – immer und immer wieder. Da das sehr zeit- und kostenintensiv, sind individuelle Implantate wirtschaftlich meist nicht rentabel.

Die Wissenschaftler am IFW haben nun die fühlende Maschine entwickelt, um Prozesskräfte zu ermitteln. Durch die Fusion der gemessenen Prozesskraft und der am IFW entwickelten prozessparallelen Abtragssimulation (Digitaler Zwilling) können die Eingriffsbedingungen exakt nachgestellt und aufgezeichnet werden. Probleme, beispielsweise eine zu hohe Werkzeugabdrängung, können so frühzeitig erkannt und gezielt behoben werden.

SEMINARTIPP Mit dem Online-Kurs „Machine Learning – wie lernt die Maschine?“ tauchen Sie tiefer in die Methodik ein. Professor van der Smagt – Leiter Artificial Intelligence bei Volkswagen – erläutert Teilnehmern in zwei Stunden die wichtigsten Konzepte des Machine Learnings konzentriert und verdichtet.
Weitere Informationen

Ein prozessübergreifendes lernendes System nimmt die notwendigen Bahnanpassungen autonom vor. Das System verringert den Aufwand zur Einrichtung neuer Prozesse erheblich. Damit sinken die Herstellungskosten. Dank der neuen Technologien werden individualisierte Implantate in Zukunft auch für die breite Masse verfügbar sein.

Mit Augmented Reality Qualität kontrollieren

Die individuelle Fertigung kundenspezifischer Anforderungen, ein wichtiges Ziel von Industrie 4.0, benötigt mehr Aufwand für die Qualitätssicherung. Um die Wirtschaftlichkeit in der Fertigung individueller Bauteile weiterhin zu garantieren, müssen neue Methoden für bessere Qualitätssicherung abgeleitet werden. Dafür wird am IFW die Verwendung von Augmented Reality erforscht. Die reale Welt der Fertigung wird um virtuelle Daten über den Prozess erweitert. Dies soll dem Maschinenbediener ermöglichen, das gefertigte Bauteil effizient zu überprüfen. Indem zusätzliche Informationen, die mittels Prozesssimulation gewonnen werden, verfügbar sind, soll die Qualität in kürzerer Zeit geprüft werden.

Aktueller Forschungsinhalt ist zum Beispiel die virtuelle Darstellung der Prozesskräfte bei der Zerspanung am realen Bauteil. Anhand dessen kann der Maschinenbediener nach dem Prozess noch im Maschinenraum Rückschlüsse auf die Qualität des gefertigten Bauteils ziehen und den Prozess gegebenenfalls anpassen.

Schleifprozess wird intelligent

In der Einzelteil- und Kleinserienfertigung von Fräs- und Bohrwerkzeugen wird der Werkzeugschleifprozess vielfältiger. Darüber hinaus ist die Bewertung des Schleifscheibenzustands an die Bedienererfahrung gekoppelt. Dies führt in Kombination mit konservativen Zustellungen beim Abrichtprozess zu höheren Nebenzeiten. Indem eine messdatengestützte Zustandsbewertung eingeführt und der Entscheidungsprozess digitalisiert wird, werden deutlich weniger Ressourcen und weniger Zeit benötigt, und dies bei gleichbleibender Werkstückqualität. Um dieses Ziel zu erreichen, wird am IFW das intelligente Schleifen entwickelt.

Integrierte Messtechnik in der Maschine erlaubt es, den Zustand der Werkzeuge zu ermitteln. Diese Informationen werden in Zusammenspiel mit einem selbst lernenden Verschleißmodell verwendet, um den aktuellen Verschleißzustand der Schleifscheibe zu bewerten. Auf dieser Grundlage kann der Schleifprozess autonom angepasst, Produktivität und Prozessstabilität maximiert werden. (ud)

EMO 2019: Halle 9, Stand F32

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 46053434)