Ressourceneffiziente Fertigung

Die moderne Fertigung muss Ressourceneffizienz erreichen , Produktionsschwankungen bewältigen und gleichzeitig Produktfehler minimieren. Dies ist besonders dann kritisch, wenn Materialeigenschaften ein entscheidender Faktor für die Produktionsqualität ist. Um Innovationsmöglichkeiten zu identifizieren, Engpässe zu beseitigen und die komplexen Ursache-Wirkungs-Zusammenhänge innerhalb von Fertigungsprozessen zu verstehen, sind tiefgreifende Einblicke nicht nur in die Systeme, sondern auch in die Materialien selbst erforderlich. Darüber hinaus müssen Daten aus verschiedenen Quellen zusammengeführt werden, um Zusammenhänge zu erkennen, Ergebnisse vorherzusagen und Entscheidungen treffen zu können. Spezifisches Materialwissen und ein Verständnis dafür, wie sich Materialien innerhalb von Fertigungssystemen verhalten und wechselwirken, sind dafür unabdingbar.

Die aktuelle Lage

Um die Ressourceneffizienz in der Fertigung zu verbessern und die Entwicklung nachhaltiger Materialien zu beschleunigen, ist es unerlässlich, umfassende Informationen über den gesamten Lebenszyklus von Materialien hinweg zu sammeln, zu integrieren und zu nutzen. Eine zentrale Herausforderung besteht darin, vielfältige und verstreute Datenquellen zu verwalten, die Daten von den Eigenschaften der Rohstoffe über die Prozessparameter bis hin zur Leistung der Endkomponenten, beispielsweise in Bezug auf Nachhaltigkeit, umfassen. Die relevanten Daten liegen oft in heterogenen Formaten vor und erstrecken sich über mehrere Skalen, von mikrostrukturellen Details bis hin zum makroskopischen Verhalten der Komponenten.

Die Gewährleistung der Interoperabilität zwischen Simulationswerkzeugen, experimentellen Daten und Fertigungsabläufen ist jedoch eine Herausforderung. Das Fehlen standardisierter, semantisch angereicherter Datenrahmen behindert die effiziente Integration, Rückverfolgbarkeit und Wiederverwendung von Wissen entlang der gesamten Entwicklungskette. Infolgedessen verlängern sich Innovationszyklen, und Entscheidungsprozesse werden oft durch fehlende Expertise, alle vorhandenen Informationen zu berücksichtigen, eingeschränkt. Dies sind Engpässe die Unternehmen daran hindern, innovative, leistungsfähige Materialien und Komponenten (wie leichte Automobilteile oder fortschrittliche Verbundwerkstoffe) schnell auf den Markt zu bringen.

nach oben

Projektbeispiel: StahlDigital

Das Projekt StahlDigital befasst sich mit den Herausforderungen in der Stahlherstellung, indem es ontologiebasierte, interoperable Arbeitsabläufe für die Entwicklung und Optimierung von Stahlwerkstoffen für Bauteilanwendungen schafft. Mit Schwerpunkt auf Stahlblechen für Karosserieteile deckt das Projekt die gesamte Prozesskette ab, von der Herstellung von Halbzeugen über die Bauteilformgebung bis hin zur Crashsicherheit.

Um dieser Komplexität gerecht zu werden, hat StahlDigital einen Bottom-up-Ansatz gewählt und ein Glossar mit Begriffen als Grundlage für die Ontologieerstellung entwickelt. Diese agile Methodik ermöglicht eine iterative Verfeinerung und stellt sicher, dass die resultierende Ontologie an sich ändernde Anforderungen angepasst werden kann. Das Glossar enthält allgemeine Begriffe zu Materialeigenschaften, Verarbeitungsschritten und Materialzuständen über verschiedene Maßstäbe hinweg (z. B. Bauteilverhalten, Mikrostruktur und lokale Chemie). Diese Grundlagenarbeit unterstützt nicht nur die Entwicklung integrierter Simulations-Workflows, die mit experimentellen Daten und deren automatisierter Auswertung (einschließlich Rohmessdaten) verknüpft sind, sondern ermöglicht auch die schnelle Integration von Daten in einen gemeinsamen Datenraum. Dies wiederum erleichtert den Einsatz datengesteuerter Anwendungen, die neue Erkenntnisse liefern, die Entscheidungsfindung beschleunigen und Innovationen entlang der gesamten Prozesskette unterstützen.

Durch die Entwicklung interoperabler Workflows auf Basis dieser Ontologie hat das Projekt den Weg für eine flexible Integration von Simulationswerkzeugen, Fertigungsdaten und Prozessabläufen in unserem Datenraum geebnet. Die Workflows unterstützen die Rückverfolgbarkeit, eine verbesserte Visualisierung und den Datenaustausch. Werkzeuge zur Simulation des Materialverhaltens über verschiedene Maßstäbe hinweg können nahtlos miteinander verbunden werden.

Die Wirksamkeit dieser Methoden wird durch typische Anwendungsfälle aus der Stahlforschung und -entwicklung demonstriert, wie z. B. die Auswertung experimenteller Messungen und die automatisierte Datenverarbeitung einschließlich der Identifizierung von Materialmodellparametern und der Durchführung von Simulationen, um schließlich zu analysieren, wie Material- und Prozessparameter die Eigenschaften von kaltgewalztem Stahl und das Crashverhalten beeinflussen. Das Projekt ist Teil der BMBF Plattform MaterialDigital, die darauf abzielt, Software-Tools für die Industrie zugänglich zu machen und eine schnellere Einbindung neuer Materialien und Prozesse in die Produktentwicklung zu ermöglichen.

Insgesamt schafft StahlDigital die Grundlage für beschleunigte Innovationen im Bereich Stahlwerkstoffe, indem es semantische Datenframeworks, interoperable Workflows und domänenspezifisches Fachwissen kombiniert, wodurch letztlich die Markteinführungszeit verkürzt und nachhaltige und robuste Materialherstellungsprozesse unterstützt werden.

nach oben

Verwandte Dienstleistungen

• Datenräume
• Ontologien

nach oben