SmartErosion – Intelligente Funkenerosion durch Korrelationsanalysen und Maschinelles Lernen

SmartErosion

Projektlaufzeit: 1.7.2019 bis 30.6.2022

Das Funkenerodieren (Electrical Discharge Machining – EDM) ist ein thermisches, abtragendes Verfahren, durch das sich Materialien mit einer sehr hohen Festigkeit bearbeiten lassen. Das Verfahren eignet sich daher vor allem für den Werkzeug- und Formenbau und dem Triebwerksbau. Es beruht auf Millionen einzelner Funkenentladungen innerhalb weniger Sekunden, die jeweils einen mikroskopisch kleinen Materialabtrag verursachen. Da das Abtragverhalten wird allerdings schon durch kleinste Schwankungen in dem zu bearbeitenden Material, der verwendeten Werkzeugelektrode oder dem den Prozess umgebenden Dielektrikum beeinflusst. Bisher sind vor allem einzelne Entladungen Gegenstand der Forschung. Aufgrund der großen Menge an Entladungen ist eine manuelle Untersuchung des kontinuierlichen Prozesses kaum möglich

Das fehlende Know-how beim EDM-Prozess führt zu einer sehr aufwändigen, bisher nicht automatisierbaren Auslegung des Fertigungsprozesses. Dies verhindert eine Integration in Industrie-4.0-Umgebungen und macht EDM zu einem Verfahren, das stark an die Expertise einzelner Mitarbeiter gebunden ist und dem kostspieligen Trial-and-Error-Prinzip folgt.

Digitale Prozessauslegung und Prozessteuerung bei der Funkenerosion senkt Materialverbrauch und Zeitaufwand

Im Forschungsprojekt SmartErosion entwickeln die Projektpartner daher einen digitalen EDM-Prozess – vom Prozessdesign bis hin zu seiner Steuerung. Dafür analysieren sie das Verfahren entlang des gesamten Fertigungsablaufs mit hochauflösender FPGA-Technik. Mithilfe informationstechnischer Methoden zur Datenanalyse wie Korrelationsanalysen oder Machine-Learning-Methoden betrachten die Ingenieure den Prozess im Detail, um so das komplexe Zusammenspiel einzelner Parameter zu durchdringen, ihr Prozessverständnis weiter zu vertiefen und ein Prozessmodell zu entwickeln.

Ziele im Projekt

  • Systematische Analyse multidimensionaler Prozess- und Materialparameter bei der Funkenerosion
  • Analyse des Zusammenspiels von Prozessparametern mithilfe von Machine-Learning-Methoden
  • Entwicklung neuer Prozessmodelle für die Funkenerosion
  • Entwicklung einer digitalen Prozessauslegung und einer digitalen Prozessteuerung
  • Erhöhung der Produktionsqualität bei gleichzeitigem Senken des Materialverbrauchs und Zeitaufwands

Projektkonsortium

  • OPS-INGERSOLL Funkenerosion GmbH, Burbach (Konsortialleitung)
  • Fraunhofer-Institut für Produktionstechnologie IPT, Aachen
  • Point 8 GmbH, Dortmund