Forschungsprojekte
Die additiv-subtraktive Bauteilfertigung ist eine Kombination aus additiver Fertigung und anschließender subtraktiver mechanischer Nachbearbeitung der Bauteile. Derartige Bearbeitungsverfahren stellen höchste Anforderungen an die Beherrschung und gegenseitige Abstimmung der einzelnen Prozessschritte im Hinblick auf die Herstellung hochbeanspruchter Bauteile (z.B. in der Luftfahrt-, Automobil- oder in der Medizintechnik) und die Erzeugung ihrer Qualitätsmerkmale und Funktionseigenschaften.
Bei dem im Projekt untersuchten additiven Fertigungsverfahren handelt es sich um "Directed Energy Deposition" (DED), ein Fertigungsverfahren, das sowohl für die Herstellung neuer Komponenten als auch für die Beschichtung und Reparatur bestehender Komponenten geeignet ist. Viele Effekte innerhalb der Prozesse und insbesondere Wechselwirkungen (z.B. Auswirkung von Bauteilverzug auf Aufmaß, Prozesskräfte und resultierende Oberflächen, z.B. Temperaturführung, Gefügeerzeugung bzw. -beeinflussung und spätere Bauteilfestigkeit) sind noch nicht vollständig verstanden und entziehen sich derzeit aufgrund fehlender messtechnischer Lösungen und digitaler Beschreibungsansätze einer umfassenden Beobachtung, Steuerung und Prozessregelung. Für die Prozessanalyse wird ein hybrides Fertigungssystem eingesetzt, das additive (Directed Energy Deposition) und subtraktive (Fräsen, Bohren) Prozesstechnologien umsetzen kann. Es wird die Messtechnik und Infrastruktur für die Datenerfassung, Prozess- und Bauteilanalyse implementiert und erprobt, die zum Aufbau der notwendigen Datenbasis und zur Erprobung und Validierung verschiedener Methoden erforderlich ist.
Besonderes Potenzial besteht hier für den Einsatz von Methoden der künstlichen Intelligenz und des maschinellen Lernens sowie für ein gezieltes und angepasstes Software-Engineering. Ziel des Projektes ist es, die Zusammenhänge so beschreiben zu können, dass eine Beobachtung und Anpassung der Prozesse und der Prozesskette derart ermöglicht wird, dass die geforderten Eigenschaften der gefertigten Bauteile mit höchster Prozesssicherheit erreicht werden. Dies erfordert die Verknüpfung mehrerer "Lerndomänen" (additiver Prozess, subtraktiver Prozess, Prozesskette) durch Transferlernen. Um ein Backtracking und damit eine Validierung von Entscheidungsprozessen bei hoher Vorhersagegenauigkeit zu ermöglichen, wird auch an "erklärbaren" KI-Methoden (XAI) geforscht.
Die Forschungsarbeiten werden im Rahmen der Artificial Intelligence Software Academy (AISA) an der Universität Stuttgart durchgeführt.
In unserer sich rasant verändernden Welt, in der Märkte zunehmend volatil sind und die Kundenanforderungen immer spezifischer werden, bündeln die Institute IfW und ISW der Universität Stuttgart und das Karlsruher Institut für Technologie ihre Kräfte. Gemeinsam adressieren wir den wachsenden Bedarf an Flexibilität und Anpassungsfähigkeit in der Fertigung. Dabei kommen Schlüsseltechnologien wie Industrie 4.0 und Software-defined Manufacturing (SDM) zum Einsatz.
Durch die systematische Nutzung und synchrone Auswertung von Betriebsdaten können wir digitale Abbilder – sogenannte digitale Zwillinge – unserer Produktionsanlagen und Prozesse erstellen. Diese ermöglichen es, physische Eigenschaften von Maschinen und Prozessen zu simulieren und ihre Wechselwirkungen zu verstehen. So können wir bereits in der virtuellen Phase entsprechende Planungen und Optimierungen durchführen.
Bisherige Ansätze basieren auf fest definierten Hardwarekomponenten und spezialisierten Maschinen, was die Flexibilität der Hardware einschränkt. Der Aufbau neuer Produktionslinien erfordert häufig Investitionen in neue Spezialmaschinen, während ältere Produktionslinien oftmals ungenutzt bleiben oder nur mit hohem Aufwand umgebaut werden können. Einige aktuelle Entwicklungen zeigen zwar das Potenzial von agilen Produktionsanlagen für die variantenreiche und skalierbare Fertigung, doch ihre Wiederverwendbarkeit bleibt oft auf bestimmte Produktgruppen beschränkt.
Die Forschungshypothese des Projekts „Software-definierte Wertstromprozesse“ (kurz: SDW) ist daher, dass die Hardware der Zukunft durch Modularisierung und Digitalisierung dieselbe Flexibilität wie Software erreichen kann, wenn die Prinzipien der Wertstromkinematik berücksichtigt werden.
Im Gegensatz zur Verwendung vordefinierter roboterähnlicher Standardkinematiken, sollen Wertstromprozesssysteme in der Lage sein, Prozesse und Maschinen individuell aus vordefinierten Modulen eines Baukastens zu konfigurieren. Die Zusammenstellung dieser Module kann bereits in der digitalen Prozesskette geplant und optimiert werden. Sobald ein neuer Produktneuauftrag eingeht, soll der Planungs- und Optimierungsprozess neu gestartet werden. Die Module werden dabei neu kombiniert und wiederverwendet, wodurch die Notwendigkeit neuer Investitionen in Anlagen vermieden wird.
Das Institut für Werkzeugmaschinen (IfW) der Universität Stuttgart präsentiert stolz das „Vernetzte Forschungslabor für Werkzeugmaschinen“, kurz DigiLab. Das DigiLab dient als experimentelle Plattform, ein Ort, den wir als "Spielwiese der Digitalisierung“ im Umfeld der Werkzeugmaschine bezeichnen – geschaffen für Lehre, Forschung und Industrie.
In enger Kooperation mit SIEMENS und mit Unterstützung der Universität Stuttgart haben wir eine nahtlose Anbindung an Sinumerik-Steuerungen realisiert. Darüber hinaus engagieren wir uns in internen Projekten und in Zusammenarbeit mit verschiedenen Unternehmen intensiv für die Digitalisierung der spanenden Fertigung. Durch unser gebündeltes Know-how sind wir in der Lage, zukunftsweisende Lösungen zu entwickeln und umzusetzen, die das Potential in dieser dynamischen Branche weiter ausschöpft.
Ein Kernstück des DigiLab ist die Integration modernster Edge PCs und Gateways in unsere Werkzeugmaschinen. Mit spezialisierten Algorithmen erfassen und analysieren sie in Echtzeit interne Maschinendaten, wie Motorströme oder Achspositionen, und gewähren so einen tiefgehenden Einblick in den aktuellen Fertigungsprozess. Diese Datenerhebung und -auswertung sind von zentraler Bedeutung, um die digitalen Transformationsprozesse in der Fertigung zu beschleunigen.
Das DigiLab bietet durch seine Dashboards für die Fortbildung von Industrie und Studenten einen sehr einfachen Zugang zum Zerspanungsprozess. Durch sie können mehrere bereits auf der Maschine vorhandene Datenquellen visualisiert werden, wie z.B. Maschinendaten aus der Lageregelung. Die potentielle Unterstützung von Maschinenbedienern und Arbeitsvorbereitung zur Gewährleistung stabiler Prozesse liegt dabei auf der Hand. Gleichzeitig werden der Managementebene Betriebskennzahlen für eine umfangreiche Erfassung und Langzeitanalyse der Prozesse geliefert. Dadurch wird ein weiterer Schritt zur fundierten, datenbasierten Entscheidungsfindung und kontinuierlicher Prozessoptimierung und Anlagenauslastung realisiert. All dies in gängigen Industriekommunikationsformaten wie OPC UA oder MQTT.
Das übergeordnete Ziel des DigiLab ist die Vernetzung, Analyse und Optimierung nicht nur einzelner Maschinen, sondern der gesamten Prozesskette. Dies beginnt bereits im Entwicklungsprozess der Produkte. Mit diesem Vorhaben bestätigt das IfW erneut seine Innovationskraft und präsentiert eine umfassende Lösung zur Steigerung der Effizienz in der spanenden Fertigung.
Das DigiLab symbolisiert das kontinuierliche Engagement des IfW, führend in den technologischen Entwicklungen der Werkzeugmaschinentechnologie zu bleiben und gleichzeitig die Brücke zwischen Bildung, Forschung und Industrie zu stärken.
Am IfW folgen wir der Vision der selbstoptimierenden Werkzeugmaschine. Einen Grundpfeiler der Arbeiten in Richtung dieses Ziels ist die Entwicklung fortschrittlicher Sensorik, denn die Maschine kann nur aus dem lernen, was sie auch in der Lage ist zu erfassen. Zusammen mit dem Industriepartner Geisler & Schambach GmbH wurden in den vergangenen beiden ZIM-Projekten mit großem Erfolg Kraftmessplatten entwickelt und untersucht. Zuletzt wurde deren Einsatz für das kraftbasierte Antasten von Werkstücken realisiert („Nuton Kraftmessplatten“).
Im Rahmen eines aktuellen Projekts entsteht ein 4-Achsen-Kraftmessring, der die hochauflösende und hochfrequente Messung von Kräften und Momenten spindelseitig ermöglicht. Diese Art der Kraftmessung hat gegenüber dem Einsatz von Kraftmessplatten eine Reihe von Vorteilen. Systembedingt fällt somit die auf der Kraftmessplatte montierte Masse und sich damit ändernde Eigendynamik weg.
Der Kraftmessring soll über eine hohe statische und dynamische Steifigkeit sowie Nullpunktstabilität verfügen, schwere Kollisionen überstehen und mittels eines integrierten Störgrößensensors die Kompensation von Störgrößen gewährleisten. Letzteres stellt eine besondere Herausforderung dar, da die Hauptspindel einer Werkzeugmaschine eine ihrer stärksten Störquellen darstellt.
Im Zuge der weltweit fortschreitenden Digitalisierung hängt die Wettbewerbsfähigkeit von produzierenden Unternehmen - vor allem von KMU - neben der Wirtschaftlichkeit, Leistungsfähigkeit und Zuverlässigkeit der eingesetzten Fertigungsanlagen zunehmend von der Nutzbarmachung sensorischer Messgrößen sowie der Auswertung steuerungsinterner Daten im Fertigungsprozess ab. Fertigungsstätten im Bereich Zerspanung in Hochlohnländern wie der Bundesrepublik Deutschland können vor diesem Hintergrund auf Dauer nur dann bestehen, wenn sie ihre Produktionsprozesse weitgehend automatisieren und digitalisieren. Die Verfügbarkeit intelligenter und insbesondere zuverlässiger, datengetriebener Prozessüberwachungssysteme, die es ermöglichen, ungünstige Prozesszustände schnell zu erkennen und zu beheben, sind hierfür Voraussetzung.
Im Rahmen verschiedener Forschungs- und Industrieprojekte beschäftigen wir uns mit verschiedenen Ansätzen, Methoden und Technologien zur Beobachtung und Überwachung technischer Prozesse. Im Fokus stehen dabei Werkzeugmaschinen und die Zerspanung unterschiedlicher Werkstoffarten (Metalle, Verbundwerkstoffe, Holz, Leichtbaumaterialien, etc.), die unterschiedliche Anforderungen an die Diagnose- und Prognosefähigkeit der zu entwickelnde Systeme stellen. Zur Echtzeit-Charakterisierung der Prozesszustände werden sensorische und steuerungsinterne Informationsquellen (z.B. Motorleistung, Prozesskräfte, Schwingungen, Körperschall, Luftschall, Prozesstemperaturen, etc.) betrachtet und multiple Überwachungskenngrößen abgeleitet. Durch Implementierung in geeignete Monitoring-Systeme können Störungen und Risiken in der Fertigung rechtzeitig erkannt und erforderliche Bauteilqualitäten durchgehend sichergestellt werden.
Selbstoptimierende Schleifprozesse mit Hilfe des Maschinellen Lernens und Transfer Learning Methoden
Für die Gewährleistung hoher, gleichbleibender Fertigungsqualitäten bei Schleifprozessen, auch bei sich ändernden Prozessbedingungen, bieten sich Überwachungssysteme an, die auf den Methoden der künstlichen Intelligenz (KI), des Machine Learning (ML) bzw. des Transfer Learning (TL) basieren. Aufgrund der undefinierten Schneidenanordnung und -gestalt an Schleifwerkzeugen, dem ebenso weitgehend undefinierten Einsatz von Kühlschmierstoffen, der zeitlichen Änderung der Werkzeugeigenschaften sowie der prozessimmanenten Durchführung von Abricht- bzw. Konditionierprozessen am Schleifwerkzeug unterliegt das Schleifen vielfältigsten, z.T. stochastischen, transienten Einflussfaktoren. Über den Materialabtrag am Werkstück und die Herstellung mikro- und makroskaliger geometrischer Eigenschaften hinaus, beeinflusst gerade die Schleifbearbeitung die Oberflächen- und Randzoneneigenschaften, und somit die Funktions- und Leistungsfähigkeit von Bauteilen maßgeblich. Die Beherrschung der multiplen Wirkzusammenhänge zwischen Prozess- und Werkstückcharakteristika stellt noch immer ein grundlagenwissenschaftliches Forschungsgebiet dar und stellt Industrieunternehmen vor extreme Herausforderungen.
Aktuelle Forschungstätigkeiten zu dieser Thematik beschäftigen sich mit der grundlegenden Erstellung geeigneter Modelle zur ganzheitlichen Abbildung exemplarischer Schleifprozesse. Von essenzieller Bedeutung ist dabei die Zusammenführung von validierten, prädiktiven (KI/ML)-Methoden zur Beurteilung sowie Vorhersage der Prozess-, Bauteil- und Werkzeugzustände am Beispiel konkreter Schleifprozesse sowie von geeigneten Strategien zur Reaktion auf die festgestellten Prozesszustände unter Berücksichtigung von messbaren maschinen- und prozessspezifischen Einflussgrößen und Rahmenbedingungen. Unter den Rahmenbedingungen werden die Art, Anzahl und Anordnung der üblicherweise in Werkzeugmaschinen eingesetzten Sensorik verstanden sowie die Möglichkeit, Daten der Maschinensteuerung zu nutzen.
Angesichts der zunehmenden Automatisierung und dem allgemeinen Streben nach individuellen Produkten, bei höchsten Qualitätsansprüchen, ist auch in der Holzbearbeitung eine Zunahme der Nachfrage bezüglich selbstregelnder Prozesse zu erkennen. Um dieses Ziel zu erreichen, ist eine in-Prozess Überwachung und Adaption der Prozesseinstellgrößen unabdingbar. Auf Grund der Vielzahl an unterschiedlichen Holzwerkstoffen und Massivhölzern, die auf einer Maschine bearbeitet werden, sind häufig wechselnde Prozessanforderungen zu beachten. Üblicherweise werden in der Praxis die Zerspanparameter, wie z.B. Schnitt- und Vorschubgeschwindigkeit, nach groben Parametern bestimmt, welche sich in der Fachliteratur, Tabellenbüchern und werkzeugspezifische Prozessparameterempfehlungen der Hersteller finden. Dadurch ist nur eine grobe Voreinschätzung der Zerspanparameter möglich, weshalb nur durch ein genaues „Einfahren“ das optimale Zusammenspiel aus Eingriffsttiefe, Drehzahl und Vorschubgeschwindigkeit in Bezug auf das gewählte Werkzeug eingestellt werden kann. Auf werkzeugspezifische Eigenschaften und die materialabhängigen Eigenheiten der inhomogenen Werkstoffe wird dabei nur begrenzt eingegangen und die individuelle Art der Bearbeitungsoperation nicht weiter berücksichtigt.
Es liegt ein erhebliches Potenzial bezüglich des industriellen Einsatzes einer automatisierten prozessintegrierten Identifikation und Einstellung der Prozessparameter vor, um bereits zu Beginn der Produktion den Arbeitsvorbereitungsaufwand zu reduzieren und Ausschuss zu minimieren. Im Rahmen umfangreicher Studien konnten wir am Institut mittels geeigneter in-Prozess Messtechnik basierend auf Körperschallmessungen und entsprechender Signalanalyse innerhalb weniger Sekunden noch vor dem wertschöpfenden Zerspanprozess eine Materialerkennung des zu bearbeitenden Massivholzes bzw. Holzwerkstoffes durchführen. Durch fortlaufende Studien wird eine Datenbasis erarbeitet, die durch stetige Erweiterung die materialcharakteristischen Eigenschaftsschwankungen berücksichtigt. Dabei werden insbesondere Chargenstreuungen sowie geographische und zeitliche Stempel des Holzeinschlages für die datengetriebene Materialcharakterisierung berücksichtigt.
Im Zuge aktueller Forschungsbemühungen des IfW wird gemeinsam mit der Fa. Simon Nann GmbH & Co. KG im Rahmen eines ZIM-Projektes an einem fortschrittlichen Spannmittel gearbeitet. Dieses hat das Ziel, die Spannkraft für sensible, dünnwandige Werkstücke sowohl zu überwachen als auch adaptiv nachregeln.
In der ersten Phase wurde erfolgreich ein System anhand von Simulationen entwickelt, das die Spannkraft exakt misst. Hierfür wurden dünnwandige additivgefertigte Membranen und eine dahinterliegende Ölkammer in den Spannkopfsegmenten integriert. Durch den erfassten Druck in der Ölkammer kann die an das Werkstück angelegte Spannkraft genau bestimmt werden. Dieser erste Schritt wurde bereits in einem Prototyp umgesetzt und bildet das Fundament für die weiteren Entwicklungsphasen.
Für die zweite Phase und die Einstellung der Spannkraft mittels Aktorik sind Anpassungen im Gange. Die spezifischen Anforderungen an die Aktorik in Kombination mit dem begrenzten Bauraum des Spannkopfes erfordern kreative und technische Lösungsansätze, an denen aktiv gearbeitet wird. In der abschließenden Phase soll die transiente Nachregelung der Spannkraft erreicht werden, um eine dynamische Anpassung während des laufenden Betriebs zu ermöglichen.
Der Fortschritt dieses Projekts unterstreicht das Engagement des IfW und der Fa. Simon Nann GmbH & Co. KG, bestehende Technologien weiterzuentwickeln und auf aktuelle Anforderungen auszurichten.
Unser Dank geht an die AiF Projekt GmbH sowie dem BMWK für die finanzielle Unterstützung des Projektes. Ein besonderer Dank gilt auch der Fa.Simon Nann GmbH & Co. KG für die konstruktive und enge Zusammenarbeit.
Kontakt

Kamil Güzel
Dipl.-Ing.Gruppenleiter Prozessüberwachung und -regelung