Ein Werkzeug, das selbstständig lernt

Science

Ein selbstlernendes Stanzwerkzeug kann durch eine Sensor-Aktor-Integration seine Parametereinstellung in einem iterativen Prozess selbständig anpassen.

13. Februar 2017
Bildquelle: SeMeSta
Bild 1: Ein Werkzeug, das selbstständig lernt (Bildquelle: SeMeSta)

Wie kann in der Serienproduktion der Einsatz eines Werkzeugs so optimiert werden, dass die Prozesskosten, die insbesondere durch werkzeugbedingte Produktionsstopps und lange Anlaufphasen verursacht werden, auf ein Minimum reduziert werden? Dieser Frage geht die WBA Aachener Werkzeugbau Akademie in Zusammenarbeit mit dem Unternehmen Fitz Stepper und dem Werkzeugmaschinenlabor WZL der RWTH Aachen nach. Das Projektkonsortium entwickelt im Rahmen eines öffentlich geförderten Forschungsprojekts des BMBF ein selbstlernendes mechatronisches Stanzwerkzeug (SeMeSta).

Eine Analyse des Status quo komplexer Stanzwerkzeuge zeigte, dass bei Verwendung von konventionellen Werkzeugen zunächst eine Vielzahl an Pressenhüben durchgeführt werden muss, um durch manuelle Anpassungen die korrekten Parametereinstellungen zu finden. Zudem können mangelnde Schmierung oder Schwankungen der Materialeigenschaften zu Ausschuss führen. Um dessen Rate und die Anlaufzeit signifikant zu verringern, wird eine automatisierte Regelung eingesetzt, die die Werkzeugparameter-Einstellungen selbstständig vornehmen und kontinuierlich anpassen kann.

Dazu wird ein Stanzwerkzeug durch eine ›intelligente‹ Regelung erweitert, die in iterativen Prozessen die Parametereinstellungen anpasst. Dieser Ansatz ist in drei Teilschritte untergliedert. Zunächst wird das Werkzeug mit adäquaten Sensoren ausgestattet, die während der Pressenhübe zahlreiche Prozessinformationen wie Werkstückmaße, Temperatur oder aufgebrachte Kräfte sammeln. Anschließend werden die optimalen Parametereinstellungen identifiziert. Zuletzt werden ins Werkzeug integrierte Aktoren entsprechend den neuen Parametern automatisch eingestellt. Vorteil: Neben den Aktorikeinstellungen können die Daten zur Erweiterung des Service-Angebots für den Werkzeugbaubetrieb verwendet werden. So können Prozessinformationen genutzt werden, um Kunden Predictive-Maintenance-Lösungen anzubieten und so den Anteil der Werkzeug-Lebenszykluskosten weiter zu reduzieren.

Die Ergebnisse und Erfahrungen des Forschungsprojekts können vielfältig genutzt werden. Zum einen geben sie Orientierung bei der Auswahl und Integration geeigneter Sensoren und Aktoren in weitere mechatronische Werkzeuge. Zum anderen können die Projektergebnisse von Werkzeugbauern genutzt werden, anhand ›intelligenter‹ Werkzeuge individuelle Produkt-Service-Systeme zu entwickeln und den Kunden so entlang des gesamten Werkzeuglebenszyklus zu begleiten.

Dr. Wolfgang Boos, Dr. Sven Lapper, Michael Salmen, Tobias Hensen, Jan Wiese

Erschienen in Ausgabe: 01/2017