ReGAIN

Über das Projekt

Im Forschungsprojekt ReGAIN wird der Ansatz der digitalen, auf CATENA-X und OPC-UA basierenden Verknüpfung von Gießereiproduktionssystemen, zur Steigerung von Effizienz, Flexibilität, Resilienz und Nachhaltigkeit verfolgt. Ziel ist es, diese komplexen Produktionssysteme in ein umfassend vernetztes Wertschöpfungssystem zu integrieren und durch die dadurch gewonnene digitale Transparenz neue Fertigungskonzepte zu entwickeln. Nur so können die steigenden Anforderungen an widerstandsfähige und nachhaltige Produktionssysteme erfüllt werden, während gleichzeitig ein Höchstmaß an Flexibilität und Interoperabilität gewährleistet bleibt. Dieser ganzheitliche, digitale Lösungsansatz eröffnet zudem bislang ungenutzte Potenziale zur Steigerung der Energie- und Ressourceneffizienz, um die Gießereiindustrie im Sinne des 2021 aktualisierten „European Green Deal“ ökologisch nachhaltiger zu gestalten.

Das ifs forscht als leitender Partner im Prozesscluster Druckguss zur Gewährleistung fehlerfreier Gussbauteile mit dem Fokus auf Erstarrungsbedingungen der Schmelze. Die Gewährleistung der bauteilspezifischen, gerichteten Erstarrung, trotz äußerer Einflüsse durch Einhaltung reproduzierbarer, lokaler Formtemperaturverläufe, ist ein wesentlicher qualitätsbestimmender Faktor. Die lokale gewünschte Formoberflächentemperatur soll durch Einsatz eines KI-gestützten und gezielten Trennstoff-Auftrags geregelt werden. Dieser erfolgt automatisiert nach jedem Abguss und kann bei Kenntnis der lokalen Temperaturverteilung den Temperaturhaushalt der Form gezielt beeinflussen. Neben der Formtemperatur soll durch die gezielte Beeinflussung des Trennstoffauftrags ebenfalls die prozesssichere Entformung der Bauteile auf Grundlage einer sensorbasierten Prozessüberwachung sichergestellt werden. Hierzu ist es erforderlich, geeignete Sensorik in aber auch außerhalb der Formkavität einzubringen, sowie die zugehörigen Schnittstellen zu entwickeln. Die aufgenommenen Daten werden mit den Maschinen- und Peripheriedaten sowie den Prozessdaten bauteilbezogen mittels verschiedener Algorithmen des maschinellen Lernens analysiert und Parameter für den Sprühprozess berechnet. Zusatznutzen liegt in der Optimierung des Minimalmengen-Sprühens und dem Einsatz als Assistent bei der Sprühdüseneinrichtung sowie in der Nachverfolgbarkeit und Prädiktion von latent eintretenden Qualitätsungänzen und Temperaturdrifts. Neben der Optimierung des Temperaturhaushalts in Wechselwirkung mit dem Trennstoffauftrag werden zudem ganzheitlich wirkende KI-basierte Assistenzsysteme entwickelt, die sowohl den Prozess (Predictive Quality) als auch das Produktionssystem (Predictive Maintenance) berücksichtigen, um die gewünschte multikriterielle Optimierung des Druckgussprozesses erreichen zu können. Zudem besteht ein Schwerpunkt in der Entwicklung einer Methodik zur Speicherung von „menschlichen Erfahrungswerten“ und „geometrisch-technischen Wechselwirkungen“, um diese für das Modelltraining und die Einschränkung der Aktionsräume von KI-basierten Assistenzsystemen zu nutzen.

Zur Erreichung der übergeordneten Ziele werden im Projekt standardisierte Datenmodelle mit zugehörigen Schnittstellen für CATENA-X geschaffen, KI- und Simulationsansätze zur Optimierung multipler Zielgrößen für Gießereiprozesse und Produktionssysteme, insbesondere zur Steigerung der Resilienz und der Verbesserung des CO2-Footprint erarbeitet, und ein KI-App Ökosystem zur föderierten ML- und Datenanalytik entwickelt sowie die Ergebnisse in eine branchenweite und -übergreifende OPC UA Standardisierung und den Technologietransfer überführt.