Logo Leibniz Universität Hannover
Logo: IFUM
Logo Leibniz Universität Hannover
Logo: IFUM
  • Zielgruppen
  • Suche
 

Qualitätsüberwachung beim Gesenkschmieden durch den Einsatz Künstlicher Neuronaler Netze

Im Bereich der Warmmassivumformung erfolgt die Qualitätsbestimmung im Allgemeinen durch eine mechanische Vermessung der Bauteile im Anschluss an den Umformvorgang. Diese Vermessung ist erst nach einer Abkühlphase möglich. Im Zeitraum von der Umformung bis zur Qualitätsbestimmung werden somit viele Teile ähnlicher Qualität erzeugt. Werden die Prozessparameter nicht eingehalten, so werden bis zur Messung und dem Detektieren des Fehlers ausschließlich Ausschussteile produziert. Ziel des abgeschlossenen Projektes war eine Klassifizierung der Bauteilqualitäten direkt nach dem Umformvorgang mit Hilfe eines „Künstlichen Neuronalen Netzwerks“ (KNN).

Im Allgemeinen werden KNN genutzt, um Prozessdaten zu klassifizieren. Die zugrundeliegenden Regeln lernt das KNN selbständig anhand dieser Daten. Nach dem Lernprozess ist die Software in der Lage, bereits erlernte Muster sowie ähnliche Muster richtig zu klassifizieren. Eine Zuführung von Fachwissen ist dazu nicht erforderlich. Ein neuronales Netz ist ein informationsverarbeitendes System, das in Anlehnung an ein biologisches Vorbild aus miteinander verbundenen Elementen besteht. Diese Elemente werden als Neuronen bezeichnet und tauschen Information in Form von Aktivierung der Neuronen über gerichtete Verbindungen aus.

Für den Aufbau des KNN wurde eine eigene Software programmiert. Die Software übernimmt die Aufgabe, die bei Zahnrad-Schmiedeversuchen aufgezeichneten Daten zu verarbeiten. Für die Gewinnung von variablen Eingangsdaten zum Training des KNN wurden experimentelle Versuche auf einer Spindelpresse durchgeführt und verschiedene Prozess- und Kenngrößen (Abbildung 1) variiert und aufgezeichnet. Im Anschluss wurden die abgekühlten Bauteile auf einer 3D-Koordinatenmessmaschine vermessen und die Qualitätsmerkmale (Abbildung 1) für das Training des KNN ermittelt.

Abbildung 1: Ablaufplan der Qualitätsüberwachung

Die durchgeführten Untersuchungen verdeutlichen die Möglichkeiten bei der Qualitätsüberwachung von Schmiedeprozessen durch Einsatz von KNN. Mit Hilfe des trainierten Netzes können durch Messung weniger Prozessdaten Ausschussteile direkt nach dem Umformprozess identifiziert werden. Durch die Reduzierung der Eingangsparameter wurde der Messaufwand zudem weiter verringert. In industriellen Prozessen werden die meisten der notwendigen Prozessgrößen bereits zur Qualitätsüberwachung eingesetzt, wodurch eine Implementierung des dargestellten Qualitätsüberwachungskonzeptes schnell realisierbar ist.

Übersicht