Im Rahmen des vorliegenden Forschungsprojektes soll zusammen mit internationalen Partnern ein ganzheitliches Modell zur Erfassung und Prognose des aktuellen Verschleißzustandes beim Scherschneiden erstellt werden. Das Hauptaugenmerk dieses Projektes liegt dabei beim Verschleiß welcher bei der Kupferbearbeitung hervorgerufen wird, da dieser Werkstoff im Rahmen der Elektrifizierung des Straßenverkehrs immer häufiger eingesetzt wird.

Motivation

Die Herstellung von Bauteilen in Folgeverbundwerkzeugen (FVW) stellt oftmals den wirtschaftlichsten Teil der Wertschöpfungskette dar. Dies ist vor allem in den hohen Produktionsraten von bis zu 1.000 Bauteilen pro Minute begründet. Durch die hohen Gesamtstückzahlen von bis zu einer halben Millionen Bauteilen pro Schicht, kommt es unweigerlich zu Verschließ. Dieser betrifft hauptsächlich die Stempelkanten und die Mantelfläche des Schneidzylinders und tritt in Form von abrasivem Verschleiß auf. Gerade bei weichen Kupferwerkstoffen kommt es jedoch zu einer zweiten Verschleißform, dem adhäsiven Verschleiß. Dieser entsteht durch Austrag von Kupfer aus dem Werkstück, welches wiederum am Werkzeug anhaften kann.

Um dennoch die hohen Anforderungen an die Genauigkeiten der Bauteile zu gewährleisten, ist die Kenntnis des aktuellen Verschleißzustandes von hoher Relevanz: So kann schon vor dem Auftritt von Ausschuss korrigierend in den Prozess eingegriffen werden.

Lösungsweg

Um die Möglichkeiten für solch eine kontinuierliche Verschleißerfassung zu erforschen, kooperiert das PtU im vorliegenden Forschungsprojekt mit nationalen und internationalen Forschungspartnern. Hierzu werden am PtU zusammen mit Filzek TRIBOTech Dauerverschleißversuche an mit einem FVW auf der institutseigenen Schnellläuferpresse durchgeführt und verschiedenen Prozessgrößen aufgezeichnet. Das verwendete Werkzeug wird vom türkischen Produktionsunternehmen HATKO Elektronics gefertigt und zur Verfügung gestellt. Die türkische Hatcettepe Universitesi übernimmt die numerische Untersuchung des Schneidverhaltens.

Die in den Dauerversuchen gesammelten Prozessdaten werden am PtU zum Training von Machine Learning Algorithmen genutzt (Abbildung 1). Diese sollen später auf Basis von aktuellen Daten aus der Produktion den aktuellen Verschleißzustand im Prozess vorhersagen können. Das Training der Algorithmen erfolgt Hand in Hand mit regelmäßiger Anwendung der Algorithmen auf weitere Versuche und eventueller Korrektur.

Zum Projektabschluss sollen die erarbeiteten Modelle auf einen tatsächlichen Produktionsprozess bei HATKO ELECTRONICS angewendet und ihre Wirksamkeit überprüft werden.

Danksagung

Dieses Projekt wird vom Bundesministerium für Wirtschaft und Klimaschutz (BMWK) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.

Durch die Kooperation von internationalen Förderagenturen (IraSME) wurde eine Zusammenarbeit mit nationalen und internationalen Partnern ermöglicht. Wir möchten uns bei unteren Projektpartnern bedanken.

Gefördert durch

Projektpartner