Rührreibschweißen Echtzeit-Überwachung der akustischen Signale beim Rührreibschweißen

Anbieter zum Thema

Fraunhofer-Institut für Digitale Medientechnologie IDMT

ISG Industrielle Steuerungstechnik GmbH

a.b.jödden gmbh

KISSsoft AG

Im Forschungsprojekt FSW‑AcoMon haben die Projektteilnehmer ein modulares Messsystem entwickelt, das sämtliche akustischen Signale des Rührreibschweißens von Aluminiumlegierungen erfasst und synchron mit den Maschinenparametern aufgezeichnet. Damit entsteht die Grundlage für eine KI-gestützte Echtzeit-Überwachung.

Das Forschungsprojekt FSW‑AcoMon von Fraunhofer IDMT, das Fachgebiet Fertigungstechnik der Technischen Universität Ilmenau und die RRS Schilling GmbH  verfolgt das Ziel, Prozessabweichungen beim Rührreibschweißen von Aluminiumlegierungen frühzeitig zu erkennen, bevor sie zu Ausschuss oder aufwendigen Nacharbeiten führen.
Während klassische Qualitätskontrollen meist erst nach der Fertigung greifen, ermöglicht die akustische Überwachung eine direkte Beobachtung des Fertigungsprozesses – eine Chance, die Prozesssicherheit zu erhöhen und Stillstandzeiten zu reduzieren.

Flexibles Messsystem für unterschiedliche Produktionsbedingungen

Kernstück der bisherigen Arbeiten ist ein Messkonzept, bei dem Mikrofone flexibel direkt an der Schweißspindel oder an der Fügestelle positioniert werden können. Gleichzeitig werden Prozessdaten wie Drehzahl, Vorschub, Kraft oder Werkzeugposition synchron erfasst. Der modulare sensorische Ansatz erlaubt es, die Mikrofone schnell an verschiedene Maschinen und Schweißbedingungen anzupassen – ein Vorteil für die spätere industrielle Anwendung.
„Die modulare Bauweise unseres Messsystems ermöglicht es, unterschiedliche Maschinenumgebungen und Prozessbedingungen präzise abzubilden. So legen wir die Basis für eine skalierbare, industrielle Anwendung der akustischen Überwachung“, erklärt Projektleiterin Olivia Treuheit vom Fraunhofer IDMT.
Die beim Rührreibschweißen erfassten Daten bilden die Basis für die Entwicklung von KI-Modellen, die Hinweise auf Prozessabweichungen und Verschleiß am FSW-Werkzeug automatisch geben können. So lassen sich Fertigungsprozesse gezielter analysieren und gegebenenfalls frühzeitig anpassen.

Mit Ergebnissen den Werkzeugverschleiß erkennen

Die bisherigen Messungen liefern bereits erste Anzeichen für Verschleiß am FSW-Werkzeug und Prozessabweichungen. Ein KI-Modell zur Klassifikation des Werkzeugzustands konnte stark verschlissene Werkzeuge mit einer Trefferquote von über 99 Prozent erkennen. Zusätzlich wurde eine Mehrklassen-Klassifikation getestet, bei der das Modell sechs Verschleißstufen zwischen 0 Prozent und 40 Prozent unterscheidet. Dieses Modell erreichte bereits 80 Prozent Genauigkeit und zeigt, dass auch feinere Unterschiede im Werkzeugverschleiß erkannt werden können.
„In unserer Laborumgebung an der TU Ilmenau können wir die Messergebnisse umfassend auswerten, bewerten und verstehen, wie sich akustische Signale auf unterschiedliche Schweißbedingungen beziehen. Das gibt dem Verbund die wissenschaftliche Grundlage zum gezielten Einsatz von KI-Modellen, die den Prozess und den Werkzeugzustand zuverlässig bewerten“, sagt Professor Jean Pierre Bergmann, Fachgebietsleiter Fertigungstechnik der TU Ilmenau.

Für die industrielle Anwendung sind die bislang erzielten Ergebnisse vielversprechend und ein wichtiger Hinweis darauf, dass die akustische Überwachung gut in bestehende Fertigungsprozesse integriert werden kann und zuverlässige Aussagen zum Prozess und Werkzeugverschleiß liefert.
In der zweiten Projektphase stehen die Erprobung und Bewertung der Eignung weiterer KI-Modelle und die Integration von akustischen Signalen und Maschinenparametern im Vordergrund. Ziel ist ein robustes, nachrüstbares System, das Rührreibschweißen von Aluminiumlegierungen in Echtzeit überwacht und so eine kontinuierliche Qualitätskontrolle ermöglicht.