h1

000975225 001__ 975225
000975225 005__ 20231220040310.0
000975225 0247_ $$2I:(DE-82)417410_20140620$$aG:(BMBF)01IS20096$$d01IS20096
000975225 035__ $$aG:(BMBF)01IS20096
000975225 150__ $$aKI-Erosion: Einsatz von Methoden der Künstlichen Intelligenz zur datenbasierten Bewertung des Drahtfunkenerosionsprozesses$$y2021-01-01 - 2023-12-31
000975225 450__ $$aBMBF 01IS20096$$wd$$y2021-01-01 - 2023-12-31
000975225 5101_ $$0I:(DE-588b)5309538-8$$aBundesministerium für Bildung und Forschung$$bBMBF
000975225 688__ $$aUm als Produktionsstandort weiterhin konkurrenzfähig gegenüber Niedriglohnländern zu bleiben, wird neben einer Steigerung der Produktivität und Produktqualität auch die Reduzierung der Kosten angestrebt. Um dies zu realisieren, werden einzelne Fertigungstechnologien oder ganze Prozessketten optimiert und automatisiert. Die Automatisierung setzt dazu stabile und adaptive Prozesse voraus, die keine manuellen Eingriffe mehr benötigen. Ein gängiges Fertigungsverfahren, welches flächendeckend im Werkzeug- und Formenbau eingesetzt wird und zunehmend in der Luft- und Raumfahrt an Bedeutung gewinnt, ist die Drahtfunkenerosion. Um diese Technologie im Kontext von Industrie 4.0 in eine digitalisierte Produktion einzubinden, ist die Nutzung der Prozessdaten notwendig.Ziel des Verbundvorhabens "KI-Erosion" ist es, in kooperativer Forschung und Entwicklung auf Basis physikalischer Größen und weiteren Prozessdaten mithilfe von KI-Methoden die Produktivität und Qualität des Drahtfunkenerosionsprozesses online bewerten zu können. Mit Aufbau eines digitalen Zwillings werden statistische und physikalische Modelle kombiniert und bilden Maschine und Produkt möglichst genau ab. Die Auswahl von geeigneten Modellen zur Datenanalyse stochastischer Prozesse kann viel Zeit beanspruchen. Die Drahtfunkenerosion stellt aufgrund hoher Datenmengen und ihres stochastischen Charakters besonders hohe Anforderungen an die ausgewählten Analysemethoden. Während einer konventionellen Bearbeitung können mehrere hunderte Millionen von einzelnen Funken zünden.Daher wird durch eine systematische Datenaufbereitung und Datenreduktion mithilfe eines Algorithmus automatisiert ein geeignetes Modell für die gegebenen Daten ermittelt. Mit Daten aus variablen Prozessbedingungen werden statistische Modelle mithilfe von KI-Methoden trainiert. Darüber hinaus werden für die Untersuchungen physikalische Modelle zum Abtragverhalten und zur Spülung entwickelt. Das Zusammenführen dieser Modelle soll eine digitale Abbildung des Werkstücks ermöglichen und so die Qualität prognostizieren und optimieren. Mithilfe dieses umfassenden Modells werden sowohl eine Online-Prozessüberwachung als auch eine datenbasierte Optimierung der Prozessparameter für eine Bearbeitungstechnologie realisiert, welche für die weitere Digitalisierung von Produktionsprozessen eingesetzt werden können. Abschließend werden die Funktionen in eine Industrie-App überführt, um deutschen KMU die Automatisierung des Funkenerosionsprozesses zu vereinfachen.
000975225 8564_ $$uhttps://www.wzl.rwth-aachen.de/cms/wzl/Forschung/Forschungsumfeld/Forschungsprojekte/Projekte/~pwrqd/KI-Erosion-Einsatz-von-Methoden-der-Ku/$$wb$$yHomepage
000975225 909CO $$ooai:juser.fz-juelich.de:1019690$$pauthority$$pauthority:GRANT
000975225 909CO $$ooai:juser.fz-juelich.de:1019690
000975225 980__ $$aG
000975225 980__ $$aAUTHORITY