Koordinator
Prof. Dr.-Ing. Ralf Goller
Laufzeit
03.04.2020 - 31.12.2020
Projektvolumen
5.000 €
Projektpartner
Hochschule Augsburg - University of Applied Sciences
Machine Learning and Big Data in finishing of CMC components
CMCs- für Luftfahrtanwendungen (z.B. Hochtemperaturbauteile) unterliegen höchsten Sicherheitsanforderungen. Besonders bei der Herstellung hochwertiger Komponenten wird eine lückenlose Dokumentation der relevanten Prozessdaten gefordert. Bei vielen Prozessen geschieht das anhand von Daten, die unmittelbar im Prozess anfallen und als Qualitätsrelevant eingestuft sind (z.B. Temperaturverlauf im Ofen, Druckprofil etc.). Bei der Endbearbeitung von CMCs liegen noch keine umfassenden Kenntnisse vor, welche Prozessparameter besonders Qualitätsbestimmend sind und wie diese mit den Ergebnissen korrelieren.
Im Vorlauf-Projekt DATACUT2 sollen Bearbeitungsversuche an CMCs durchgeführt werden, bei denen die Maschinendaten gezielt aufgezeichnet, verarbeitet und visualisiert werden. Die Daten werden dann analysiert und mit einem Qualitätsmerkmal korreliert (z.B. Oberflächenrauheit). Die gewonnenen Erkenntnisse können später auf viele Parameter und Merkmale der gesamten Prozesskette ausgeweitet werden.
Das übergeordnete Ziel besteht darin, zukünftig über Machine Learning (ML) Prozesse schneller zu optimieren, wechselnden Umgebungsbedingungen automatisch anzupassen sowie Predictive-Maintenance-Konzepte in die Digitale Datenverarbeitung mit einzubeziehen. Die Abbildung zeigt einen typischen Workflow für die Digitale Verarbeitung von Prozessdaten bei der CNC Bearbeitung.
ML-Workflow für die Endbearbeitung von CMCs
