Laufzeit: 01/2023 – 12/2025
DIAZI - Digitalisierung des Industrialisierungsprozesses in der Automobil-
und Zuliefer-Industrie
Motivation und Zielsetzung
Das Verbundprojekt DIAZI verfolgt das Ziel, eine umfassende und durchgehende Digitalisierung
des Industrialisierungsprozesses von Fertigungslinien in der Automobil- und Zulieferindustrie
zu erreichen. Am Beispiel von UX-Komponenten werden Strategien zur Digitalisierung untersucht. Besonders Fertigungstoleranzen entlang der Prozesskette sind hierfür relevant. Zum einen führen aufsummierende Toleranzen aus vorgeschalteten Produktionsprozessen zu Problemen während der Montage und zum anderen können Maßabweichungen beispielsweise bei Head-Up Displays (HUD) zu einer Reflektion des Sonnenlichts in die Augen der fahrenden Person führen.
In der Arbeitsgruppe Numerische Methoden wird daher erforscht, wie die Informationen aus CAE-Simulationen im Betrieb unterstützen können. Hierzu wird der Spritzgießprozess zur Fertigung von HUD-Gehäusen untersucht. Basierend auf Simulationen kann die Fertigung in einem großen Parameterraum numerisch analysiert werden. Hieraus lassen sich Zusammenhänge zwischen den Prozessparametern und dem entstehenden Verzug ermitteln. Über Methoden des Machine Learning kann die rechenintensive Simulation durch ein schnellrechendes Surrogatmodell (z.B. Neuronales Netz) ersetzt werden. Somit sollen im laufenden Betrieb anhand von Prozess- und Maschinendaten in Echtzeit vorhergesagt und somit Bauteile außerhalb der Toleranz frühzeitig erkannt werden.
Projektergebnisse
Zu Erzeugung von Trainingsdaten wurde eine numerische Parameterstudie in Autodesk Moldflow durchgeführt und der Verzug (in Form eines Verschiebungsvektors) exportiert. Basierend auf diesen Ergebnisdaten wurde ein neuronales Netz trainiert, welches den vollständigen Verzug in Abhängigkeit der eingegebenen Prozessparameter mit einer Genauigkeit von 5-10 % im Vergleich zur vollständigen Simulation vorhersagt (siehe Abbildung). Dies wird im weiteren Projektverlauf weiterentwickelt und Konzepte zur Integration in die laufende Produktion untersucht.