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 so 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.
Diese Forschung wird im Rahmen der Artificial Intelligence Software Academy (AISA) an der Universität Stuttgart durchgeführt.
Kontakt

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