Projektdetails
Beschreibung
In diesem Kooperationsprojekt sollen ein innovatives datengetriebenes System entwickelt werden, welches Fertigungsanlagen zur Kalt- und Warmumformung von Blechen robust gegenüber Veränderungen der Produkteigenschaften und der Umgebung macht. Häufig sind im Bereich der Blechumformung mehrere Schritte direkt hintereinander angeordnet. Diese modernen Anlagen werden derzeit als quasi Black-Box betrieben und lassen keinerlei Rückschlüsse auf die Ursachen bei Qualitätsschwankungen zu. Das hat zur Folge, dass ein fehlerhaftes Bauteil noch etliche Prozessschritte macht, bevor der Fehler entdeckt wird. Alle folgenden Bauteile werden ebenfalls mit demselben Fehler produziert, bis der Mangel in der Qualitätskontrolle entdeckt und wieder nach vorne in der Prozesskette kommuniziert wird. Ein typischer Fehler beim Verformen von Blechen ist das Reißen des Materials. Das passiert, wenn beim Vorgang zu wenig Material vorhanden oder Kräfte falsch eingestellt sind. Diese Prozessfehler hängen von den aktuellen Material- und Produkteigenschaften (Umgebung) sowie den eingestellten Anlagenparametern, wie z.B. Ziehkräften ab. Aufgrund schwankenden Produkteigenschaften wie z.B. unterschiedlich befetteter Bleche, ist eine entsprechende Anpassung der Prozessparameter, in diesem Fall den Ziehkräften, notwendig.
| Status | Abgeschlossen |
|---|---|
| Zeitraum | 01.12.17 → 31.05.20 |
Förderorganisation
- Bundesministerium für Wirtschaft und Energie
Fingerprint
Erkunden Sie die Forschungsthemen, die von diesem Projekt angesprochen werden. Diese Bezeichnungen werden den ihnen zugrunde liegenden Bewilligungen/Fördermitteln entsprechend generiert. Zusammen bilden sie einen einzigartigen Fingerprint.
-
Using data mining techniques to investigate the correlation between surface cracks and flange lengths in deep drawn sheet metals
Heger, J. & Zein El Abdine, M., 01.09.2019, in: IFAC-PapersOnLine. 52, 13, S. 851-856 6 S.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › Begutachtung
Open Access8 Zitate (Scopus) -
Smarte Anpassung von Presslinienparametern: Bildgebende Sensorik und maschinelles Lernen für robustere Blechumformprozesse im Automobilbau
Heger, J., Voß, T. & Selent, M., 04.2018, in: Industrie 4.0 Management. 34, 4, S. 53-56 4 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › Begutachtung