Die Herstellung großer Werkstücke aus Blei-Bronze-Legierungen durch Schleuderguss ist ein ressourcen- und zeitaufwändiger Prozess. Um die Produktion von Fehlern zu minimieren und somit teure Ausschussware zu verhindern, hat die Fakultät für Informatik und Ingenieurwissenschaften der TH Köln in Zusammenarbeit mit der saarländischen Martin Luck Metallgießerei ein Projekt zur Digitalisierung des Gussverfahrens durchgeführt. Dieses Projekt wurde im Rahmen des vom Bundesministerium für Wirtschaft und Klimaschutz geförderten Zentralen Innovationsprogramms Mittelstand (ZIM) realisiert. Dabei wurden die Prozessparameter mithilfe von Künstlicher Intelligenz (KI) optimiert.
Das Unternehmen produziert unter anderem Gleitlager für Bergbaumaschinen. Diese Bauteile wiegen bis zu 1,5 Tonnen und werden in kleinen Serien hergestellt. Da nahezu jedes Bauteil individuelle Anpassungen erfordert, mussten die Maschinenparameter bisher manuell eingestellt werden. Sowohl die Einstellungen als auch die Dokumentation erfolgten auf herkömmliche Weise, was anfällig für Fehler ist und die präzise Auswertung mit hoher Wiederholbarkeit erschwert. Dabei könnte der Schleuderguss von einer digitalisierten und (teil-)automatisierten Fertigung stark profitieren, so die Projektpartner.
Bei dem Herstellungsverfahren für Ringe, Scheiben und Rohre wird eine Legierung aus Kupfer, Zinn und Blei in eine Kokille gefüllt, die um die Mittelachse rotiert. Während des Rotationsprozesses wird die Schmelze gegen die Innenwand der Kokille gedrückt, wo sie aushärtet. Gelegentlich sind bis zu drei Versuche erforderlich, um ein makelloses Produkt zu erzeugen, und die erfolglosen Versuche müssen erneut eingeschmolzen werden. Dieser Prozess verursacht einen erheblichen Energie- und Ressourcenaufwand, bindet Kapazitäten und führt zu langen Lieferzeiten, was eine Belastung für das Unternehmen darstellt. KI-gestützte Produktionssysteme können helfen, diese Probleme zu lösen.
Zu Beginn der Zusammenarbeit untersuchten die Projektpartner die Prozessparameter, die einen erheblichen Einfluss auf die Qualität der fertigen Werkstücke, insbesondere die gleichmäßige Verteilung des Bleis, haben. Diese Parameter umfassten unter anderem die Gießtemperatur, die Abkühlbedingungen, die Rotationsgeschwindigkeit der Kokille sowie die Menge und Temperatur des verwendeten Kühlwassers.
Parallel dazu digitalisierte das Projektteam den bestehenden Maschinenpark, um die ausgewählten Prozessparameter und Maschineneinstellungen automatisch zu erfassen und sie mit erfolgreichen oder misslungenen Gussversuchen in Beziehung zu setzen. Mit diesen gesammelten Daten wurde eine Künstliche Intelligenz trainiert. In das entstandene System kann die Geometrie des gewünschten Bauteils eingegeben werden. Die KI schlägt daraufhin Parameter vor, die sich bei ähnlichen Bauteilen in der Vergangenheit bewährt haben. Zusätzlich bewertet das System, ob ein fertiges Bauteil den Qualitätsanforderungen entspricht.
Die Projektpartner planen, auf diesen Erkenntnissen aufzubauen und die Systeme weiterzuentwickeln, um die Vorhersage der Bauteilqualität weiter zu optimieren.
