Motivation:
Bei der Verarbeitung von Aluminiumwerkstoffen zu Gussbauteilen spielen Sandgießverfahren eine bedeutende Rolle, wenn es um die Fertigung großer Bauteile geht, wenn die Komplexität der Bauteilkonstruktion nur das Gießen in Sandformen erlaubt oder komplexe Innenraumstrukturen mit Kernen aus Sand hergestellt werden müssen. Die Gießereien, die in diesem Branchensegment aktiv sind, sind zu einem Großteil klein- und mittelständisch strukturiert. Die Innovationskraft dieser Unternehmen beruht zum einen auf Entwicklungen im Maschinen- und Anlagenbau, zu einem sehr deutlichen Anteil aber auf der Entwicklung und Nutzung eigener Erfahrung und Kompetenz. Nichtsdestotrotz sind sie wichtige Zulieferer der gesamten Verkehrstechnik und unterliegen den Anforderungen industrieller Trends, Innovationen, Gesetzgebungen sowie globalen wirtschaftlichen und politischen Entwicklungen.
Neben den unzähligen wirtschaftlichen und politischen Herausforderungen der letzten Jahre werden zudem die Beteiligung an der Energiewende, der CO₂-Footprint in der Lieferkette und der Einsatz von KI-Technologien in der Produktionstechnik in den kommenden Jahren den wirtschaftlichen Erfolg und Misserfolg vieler Unternehmen maßgeblich beeinflussen. Eine große Hürde besteht für mittelständische Gießereien dabei meist in der unzureichend ausgebauten und oft extern betreuten IT-Infrastruktur. Darüber hinaus stehen oft nicht die Ressourcen und das Know-how für eine digitale Transformation, die Entwicklung von umfassenden Datenerfassungs- und Verarbeitungssystemen und die Verwendung von KI-Ansätzen für die Prozess- und Qualitätsoptimierung bereit.
Vorgehensweise:
Das spezifische Teilprojekt der HKE ist in den ReGAIN-Prozesscluster Sandguss eingebunden und konzentriert sich auf die Entwicklung und Integration von KI- und ML-Modellen, eine Bauteilerückverfolgbarkeit im Prozess sowie optische Systeme in der Qualitätskontrolle für die Gießereitechnik. Es leistet einen Beitrag zum ganzheitlichen Transformationsprozess der automobilen Gießereiindustrie und berücksichtigt verschiedene Aspekte des Förderrahmens. Zur Steigerung von Effizienz, Flexibilität und Resilienz werden modellbasierte Entscheidungsunterstützungssysteme entwickelt und KI-gestützte Methoden eingesetzt. Diese ermöglichen eine verbesserte Qualitätskontrolle und höhere Effizienz in der Gießereiindustrie.
Durch prozess- und teilweise branchenübergreifende ML-Dienste wird eine datengetriebene Prozessoptimierung für Gießereianwendungen unterstützt, wodurch die Effizienz und Qualität von Prozessen und Prozessketten erhöht werden soll. Die Integration der entwickelten KI-Modelle in die CORE-Plattform des ReGAIN-Projektpartners BREOS GmbH spielt eine wichtige Rolle bei der unternehmensübergreifenden Produktions- und Qualitätsdokumentation, da sie die Integration der entwickelten Technologien ermöglicht. Transfermaßnahmen werden durch die enge Zusammenarbeit mit den Industriepartnern des Clusters sowie dem Bundesverband der Deutschen Gießereiindustrie e. V. unterstützt, indem Leitfäden, Standards und innovative Qualifizierungskonzepte für verschiedene Anwendergruppen entwickelt werden.
Ergebnis:
Ergebnis der Projektarbeit des Sandguss-Clusters ist die Verfügbarkeit von Technologien, die eine lückenlose Rückverfolgbarkeit der Produktionsparameter durch Kennzeichnung und Rückverfolgung von Bauteil-, Sandform- und Kernparametern ermöglichen. Bei der Herstellung von tongebundenen Sandformen werden in diesem Zusammenhang die wesentlichen Faktoren wie Formstoff, maschineller Formprozess, externe Einflüsse und zeitliche Faktoren berücksichtigt. Es entstehen generische Ansätze zur Speicherung, Verwaltung und Analyse hybrider Daten, die Rückverfolgbarkeit von Bauteilen und Produktionsparametern gewährleisten.
Eine eindeutige Identifikation der verschiedenen Kerne anhand eines Fingerabdrucks der Oberfläche wird die Technologieentwicklung zur Bauteil-, Sandform- und Kernrückverfolgbarkeit abrunden. Durch die Integration der Rückverfolgbarkeit in die Qualitätsmanagementprozesse können die erfassten Prozessdaten effektiv mit den zugehörigen Qualitätsdaten verknüpft werden, was eine datengetriebene Prozessoptimierung und -visualisierung ermöglicht. Im Projekt werden Daten von bestehenden Anlagen und mobilen Messstellen erfasst, um eine datengetriebene Prozessoptimierung und Modellentwicklung zur Vorhersage der Kern- bzw. Formqualität zu ermöglichen. Darüber hinaus werden Assistenzsysteme geschaffen, die präventive Handlungsempfehlungen für das Maschinenpersonal ableiten und in geeigneter Weise darstellen.
Die oben genannten Qualitätsdaten (z. B. Röntgenbilder, Oberflächenscans) werden im Forschungsprojekt für die Entwicklung von KI- und ML-Modellen zur Verbesserung und Digitalisierung der visuellen Qualitätskontrolle (Oberflächeninspektion) von Gussteilen genutzt. Dazu werden in den verschiedenen Arbeitspaketen Daten für das Training der Modelle gesammelt, zugeordnet und ausgewertet. Zusammenfassend zielt das Forschungsprojekt darauf ab, die Effizienz und Qualität der Produktion durch die Entwicklung und Implementierung von Digitalisierungslösungen in der Gießereiindustrie zu steigern. Die wissenschaftlichen und technischen Arbeitsziele des Projektes werden durch die Zusammenarbeit mit den verschiedenen Partnern innerhalb des Clusters Sandguss erreicht.
