Digitale Steuerung von Gießprozessen

Um Fertigungsfehler bei der Herstellung großer Werkstücke aus Blei-Bronze-Legierungen per Schleuderguss zu vermeiden, hat die TH Köln gemeinsam mit der saarländischen Martin Luck Metallgießerei das Gussverfahren digitalisiert und die Prozessparameter mittels Künstlicher Intelligenz (KI) optimiert.

„Unser Projektpartner stellt unter anderem Gleitlager für Maschinen im Bergbau her. Die bis zu 1,5 Tonnen schweren Bauteile werden in Kleinstserien produziert. Entsprechend müssen die Maschinenparameter bei fast jedem Teil neu eingestellt werden“, erklärt Prof. Dr. Danka Katrakova-Krüger vom Institut für Allgemeinen Maschinenbau der TH Köln. Das häufige Problem: Die Einstellungen als auch die Dokumentation erfolgten bislang händisch. Dies führt zu Fehlern und macht eine gezielte Auswertung mit hoher Reproduzierbarkeit unmöglich.

„Manchmal braucht es drei Anläufe, bis ein Produkt perfekt ist – die Fehlversuche müssen wieder eingeschmolzen werden. Der damit verbundene Energie- und Ressourcenaufwand, die Bindung von Kapazitäten und die langen Lieferzeiten belasten das Unternehmen. KI-gestützte Produktionssysteme können helfen, diese Probleme zu lösen“, sagt Prof. Dr. Christian Wolf vom :metabolon Institute der Hochschule.

Zunächst wurde untersucht, welche Prozessparameter einen besonders großen Einfluss auf die Qualität und vor allem auf die Verteilung des Bleis im fertigen Werkstück haben. „Da Blei einen viel niedrigeren Schmelzpunkt als Bronze hat und zudem deutlich schwerer ist, kann es beim Abkühlprozess zu einer inhomogenen Bleiverteilung kommen, die das Produkt untauglich macht“, erläutert Katrakova-Krüger. Als relevante Parameter haben sich u.a. Gießtemperatur, Abkühlbedingungen, Rotationsgeschwindigkeit der Kokille oder Menge und Temperatur des verwendeten Kühlwassers herausgestellt.

Der bestehende Maschinenpark wurde digitalisiert, so dass die gewählten Prozessparameter und Maschineneinstellungen automatisch erfasst und mit gelungenen oder misslungenen Gussergebnissen in Zusammenhang gebracht werden können. Diese Daten bildeten die Basis, um eine KI zu trainieren. „In das entstandene System können wir die Geometrie des gewünschten Bauteils eingeben. Die KI schlägt dann relativ zuverlässig Parameter vor, die bei gleichen oder ähnlichen Bauteilen in der Vergangenheit zum Erfolg geführt haben“, so Wolf. Zudem kann die KI bewerten, ob ein fertiges Bauteil den Qualitätsanforderungen entspricht. Die bisherigen Ergebnisse sollen die Basis für eine Weiterentwicklung bilden, um die Bauteilqualität noch besser vorherzusagen.

Die Forschung der Fakultät für Informatik und Ingenieurwissenschaften der TH Köln und der Martin Luck Metallgießerei wurde im Rahmen des Zentralen Innovationsprogramm Mittelstand (ZIM) des Bundesministeriums für Wirtschaft und Klimaschutz von September 2020 bis Juni 2023 gefördert.