Druckguss Der gläserne Druckgussprozess

Anbieter zum Thema

Fraunhofer-Zentrum für Internationales Management und Wissensökonomie (IMW)

ISG Industrielle Steuerungstechnik GmbH

invenio AG

Bechtle PLM Deutschland GmbH

Forscher am Fraunhofer IWM haben mit Ontologie-basierten semantischen Strukturen Wissensgraphen zu verschiedenen Prozessschritten im Druckguss erstellt und vernetzt. Der so entstandene digitale Druckguss-Zwilling verknüpft Materialzustandsinformationen zu allen Teilprozessen des Druckgießens.

Gussbauteile bestehen aus vielfältigen Qualitätsmerkmale, die aus einem Zusammenspiel der Beschaffenheit des Ausgangsmaterials und der Prozessparameter resultieren. Ändert sich ein Parameter oder ein Legierungsbestandteil oder kommt es gar zu Schäden im Bauteileinsatz, muss die Ursache erforscht werden. Dabei gilt es, die Balance zwischen Material, Prozess und Bauteileigenschaften neu zu justieren. Wo jeweils angesetzt wird, basiert oft auf einem Mix aus Erfahrungswerten und verfügbaren Daten. Hierbei sind Versuch-Irrtum-Schleifen häufig das Mittel der Wahl. Sie kommen aber an ihre Grenzen, wenn der CO2-Fußabdruck des Bauteils, der Nachweis der Materialbestandteile oder die Restlebensdauer des Bauteils gefragt sind – und das bei einem großen Produktportfolio und in begrenzter Zeit.

Wissensgraph beschreibt Prozesskette detailliert

Gefragt sind dann einerseits die systematische Rückverfolgbarkeit, d.h. das Wissen um die vielen Einflussfaktoren, die zu einem Material- und Bauteilzustand geführt haben, und andererseits die quantitativen Zusammenhänge zwischen Prozessbedingungen und -parametern, der entstehenden Mikrostruktur des gegossenen Materials und letztlich die daraus resultierenden Bauteileigenschaften.

Um die Komplexität des Gussprozesses darstellen zu können, haben die Wissenschaftler des Fraunhofer IWM einen Wissensgraphen entwickelt, der die komplexe Prozesskette detailliert beschreibt. Darüber hinaus wurden die Prozessdaten mit maschinellem Lernen analysiert, um neue Erkenntnisse zur Prozessoptimierung und Vorhersage von Gussqualitäten aus den Daten zu ziehen. Doch wie komplex muss ein Wissensgraph sein, um zu besseren Gussbauteilen zu führen? „Ein Wissensgraph muss nicht „komplex“ sein, sondern die für das Bauteil und den Prozess entscheidenden Zusammenhänge abbilden. Für viele Fragestellungen reichen zunächst wenige, aber klar definierte Informationsknoten – etwa zu Legierung, Werkzeug, Prozessparametern, Gefüge und Prüfergebnissen“, erklärt Dr. Elena García Trelles, Gruppe Lebensdauerkonzepte und Thermomechanik am Fraunhofer-Institut für Werkstoffmechanik IWM.

Konstruktionsleiterforum

Produktentwicklung neu denken

Der Schlüssel für den Erfolg eines Unternehmens liegt in Konstruktion und Entwicklung. Hier entstehen innovative Produkte, die die Wettbewerbsfähigkeit sichern. Doch kennen Sie die Herausforderungen der Produktentwicklung im 21. Jahrhundert?

Das Konstruktionsleiterforum will Konstruktions- und Entwicklungsleiter für Hürden sensibilisieren, sowie Tools und Methoden aufzeigen, um innovative Ideen strukturiert zu entwickeln und den Produktentstehungsprozess so schlank und effizient wie möglich zu gestalten.

Jetzt anmelden

Ein produktiver digitaler Zwilling kombiniert Prozessdaten

Um dem digitalen Zwilling „Leben einzuhauchen“, wird er mit Daten aus der Maschinensteuerung und aus Prozesssensoren gefüllt. Zudem wird der Zwilling mit Werkstoffeigenschaften und Mikrostrukturdaten gefüttert. „Ein produktiver digitaler Zwilling kombiniert Prozessdaten aus der Maschinensteuerung, Sensordaten (z. B. Temperaturen, Drücke), Material- und Chargeninformationen sowie Prüf- und Inspektionsergebnisse. Ergänzend kommen Simulationsdaten und Materialmodelle (z.B. Schädigungsmodelle oder Lebensdauermodelle) hinzu. Entscheidend ist weniger die Datenmenge als die Qualität, Rückverfolgbarkeit und die konsistente Verknüpfung dieser Daten im Wissensgraphen“, sagt Dr. Trelles.

In diesem Datenraum können nun Abfragen gemacht werden, beispielsweise zur Druckguss-technischen Historie eines spezifischen abgegossenen Bauteils, zu Prozessfenstern, die zu einer erhöhten Porosität oder Oxidverunreinigung in hochbelasteten Bauteilbereichen führen, oder zu den Chargen, die in einem beanstandeten Bauteil verbaut wurden, und zu den verwendeten Schussparametern.

Zudem ist der Wissensgraph eine ideale Ausgangsbasis für den sogenannten digitalen Produktpass (DPP), der ein Teil der EU-Verordnung zur umweltgerechten Gestaltung nachhaltiger Produkte ist und in dem Informationen zur Nachhaltigkeit und Kreislaufwirtschaft von Produkten, Komponenten und Materialien gespeichert und digital zugänglich sind.

Auswirkung von Prozessparametern beschreiben

Neben Abfragen zu spezifischen Informationen können mit digitalen Druckgusszwillingen Ursache-Wirkungsbeziehungen mathematisch beschrieben werden. So wurden im Forschungsprojekt die Auswirkung von Prozessparametern wie Gießtemperatur und -druck auf Oxidverunreinigungen und Porosität und der Zusammenhang zwischen Außentemperatur bzw. Feuchtigkeit und dem Gießdruck beschrieben. Ziel ist letztlich, Vorhersagen machen zu können, die aufwendige Analyseschritte in der Qualitätssicherung einsparen und Versuch-Irrtum-Schleifen in Entwicklung und Fertigung durch systematische Prozessparameterstudien ersetzen. „Für datengetriebene Vorhersagen in Gießereien gilt: Je mehr Daten, desto besser. Es reicht nicht, nur die klassischen Soll-Werte zu dokumentieren. Wir raten, konsequent zu messen und zu speichern, was im Prozess passiert – von Maschinendaten über Materialchargen bis zu Umwelteinflüssen. Entscheidend ist die Varianz der gesammelten Ist-Werte, denn nur die natürliche Streuung im Prozess liefert die Basis für valide Bewertungen“, betont Dr. Johannes Tlatlik aus der Gruppe Crashsicherheit und Schädigungsmechanik am Fraunhofer IMW.

Bildergalerie

Jeder Druckgussprozess ist anders und erst recht die spezifischen Informationsbedarfe der Gießereien und der Anwender der Gussbauteile. Die Konfiguration des digitalen Zwillings beginnt daher mit einer umfassenden Bestandsaufnahme zu den Prozessschritten und zu den notwendigen und verfügbaren Daten. Für die Prozessbeschreibung werden die bestehenden Wissensgraphmodule angepasst bzw. erweitert. Ist die Datenstruktur erstellt, werden die Abfragen programmiert, sodass die digitale Wissensbasis zu mehr Wertschöpfung und Qualität führen kann.

Der „gläserne Druckgussprozess“ wurde im Fraunhofer-Leitprojekt Future Car Production entwickelt, um nachhaltigen Fahrzeugbau zu ermöglichen und Unternehmen in Entwicklungsprozessen zu befähigen, robuste und ganzheitliche Entscheidungen zu Bauteilen und Technologien zu treffen. Dabei wurden Daten vom Fraunhofer IFAM und Fraunhofer EZRT verwendet. Das Fraunhofer IWM stellt den Demonstrator zum digitalen Druckgussprozess auf der Messe Euroguss in Nürnberg vom 13. bis 15. Januar 2026 in Halle 4a, Stand 233, vor.

(ID:50658214)