NACH OBEN

PreDigT

Das Pressen stellt für die Pulvermetallurgie eine Basistechnologie dar, mit deren Hilfe feste und feingefügige Teile endkonturnah hergestellt werden können. Dieses Verfahren eignet sich für kleine Formteile, also Teile mit Geometrien, die mit spanenden Fertigungsverfahren sonst nur schwer herstellbar sind, vor allem in der Massenproduktion. Das Verfahren findet in vielen deutschen Produktionszweigen Anwendungen, wie im Fahrzeugbau oder der Metall- und Medizintechnik. Besonders hervorzuheben ist die Verarbeitung von Kupfer. Im Zuge der Umstellung auf E-Mobilität wird der Bedarf an Kleinbauteilen aus Kupfer enorm ansteigen, um hier die Anbindung von Batterien oder der Ladeninfrastruktur zu gewährleisten.

Treten während des Pulverpressens Abweichungen bspw. durch Lastwechsel, Inhomogenitäten im Pulver oder durch Verschmutzung des Pressentellers auf, beeinflusst dies maßgeblich verschiedene Faktoren am Grünling, die nicht zerstörungsfrei überwacht werden können. Der Einsatz maschineller Lernverfahren basierend auf einer Körperschallanalyse der Presse und einer gezielten Erfassung von Qualitätsparametern an den Grünlingen soll die Effizienz dieses Fertigungsverfahren steigern und so langfristig dazu beitragen, dass diese Fertigungstechnologie am Standort Deutschland erhalten bleibt.

Ziel dieses Projektes ist es, den Ausschuss der Massenfertigung von pulvermetallurgischen Bauteilen mit anschließender Kupferinfiltration für die Automobilindustrie durch gezielte Vernetzung der einzelnen Fertigungsschritte zu reduzieren. Da die Einflüsse der Prozessparameter auf die Produktqualität grade im Bereich der pulvermetallurgischen Fertigung überdurchschnittlich komplex und aufgrund der Nicht-Linearität analytisch nur sehr schwer beschreibbar sind, soll innerhalb dieses Projektes eine gezielte Datenaufnahme, -strukturierung und -analyse basierend auf Methoden der künstlichen Intelligenz, insbesondere durch maschinelle Lernverfahren erfolgen. Unserer Ansicht nach kann dies nur unter Einbeziehung der gesamten Liefer- und Fertigungskette gelingen.

Bleistahl GmbH & Co. Holding KG

K2 Digital Transformation GmbH

Komage Gellner Maschinenfabrik KG

QASS GmbH

BMWK 13IK014B

Nils Niedernostheide
Industriestraße 38c E2/7

Tel.: +49 234 32 27503

E-Mail: niedernostheide@lps.ruhr-uni-bochum.de

Wiss. Mitarbeiter