Intelligente Prozessführung beim Presshärten
Verfasser:
Prof. Dr.-Ing. Dirk Landgrebe, Dipl.-Ing. Norbert Pierschel, Dr.-Ing. Ulrich Priber, Dipl.-Ing. (BA) Stefan Polster, Dipl.-Ing. Pat.-Ing. Julia Schönherr, Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik Chemnitz
116 Seiten - 72,00 EUR (sw, 75 teils farbige Abb., 13 Tab.)
ISBN 978-3-86776-468-1
Zusammenfassung
Im Rahmen des Projektes wurde ein Konzept für einen geregelten Presshärteprozess entwickelt und umgesetzt. Die Informationen zur Prozessoptimierung wurden dabei aus einer Datenbank, der sogenannten Wissensbasis, bezogen, welche eine mathematische Modellierung des Presshärteprozesses der Demonstratorgeometrie Schweller darstellt. Durch die Eingabe von Zielgrößen, bspw. avisierte Bauteilhärte, berechnete die Wissensbasis im Prozess unter Berücksichtigung der aktuellen Prozessparameter den Wert einer oder mehrerer Steuergrößen, mit denen Einfluss auf den Prozess und final die Bauteileigenschaften genommen werden kann (bspw. Öffnen des Werkzeugs bei Erreichen einer definierten Bauteiltemperatur).
Im Arbeitspaket „Grundlagenuntersuchungen zu relevanten Prozessparametern des Presshärtens" wurden die für den Presshärteprozess signifikanten Prozessgrößen bestimmt. Weiterhin wurden mit einem Dilatometer Fließkurven des im Projekt untersuchten Werkstoffes 22MnB5 bei verschiedenen Umformtemperaturen ermittelt und mit dem Stand der Technik verglichen. Im weiteren Projektverlauf wurde eine Sensitivitätsanalyse der Prozessparameter mittels FEM durchgeführt. Dabei kamen die Programme AutoForm und LS Dyna zum Einsatz. Abschließend erfolgte ein Vergleich der Ergebnisse der FE-Simulationen mit denen der Experimente.
Die Ergebnisse der numerischen Sensitivitätsanalyse wurden für die Planung der experimentellen Versuche genutzt. Die Variation der Prozessparameter erfolgte dabei in einem kleinen Bereich, wie er bei Serienanwendungen vorkommt. Für die Durchführung der experimentellen Versuche wurde ein automatisierter Presshärtestand aufgebaut, der über eine SPS gesteuert wurde. Die Werkstücke wurden in einem Kammerofen erwärmt und mit einem robotergestützten Greifersystem in ein Presshärtewerkzeug eingelegt, welches sich in einer Servopresse befand. Nach dem Presshärten erfolgte die Entnahme des Werkstücks und das Ablegen, woraufhin ein neuer Zyklus starten konnte.
Zur Erfassung der relevanten Prozessparameter wurde der Versuchsstand in seinen einzelnen Stationen mit verschiedenen Sensoren zur Erfassung der Werkstück- und der Werkzeugtemperatur, der Kräfte und Geschwindigkeiten ausgestattet und über die SPS synchronisiert. Die Bewertung der Bauteilqualität erfolgte in definierten Bauteilpunkten anhand der Härte, der Ausdünnung und der Rückfederung. Die Erfassung der Härte erfolgte mittels konventioneller Vickershärtemessung. Die geometrischen Daten wurden mittels GOM ATOS erfasst.
Auf dieser Basis wurde ein Metamodell des Presshärteprozesses erstellt, welches die Grundlage für die Wissensbasis darstellt. Vereinfacht ist diese eine Tabelle, welche die korrekten Verknüpfungen zwischen Eingangsgrößen (bspw. Werkstücktemperatur zu Beginn der Umformung) und Ausgangsgrößen (bspw. Ausdünnung im definierten Punkt X) herstellt. Drei Modelle wurden entwickelt, die zur Planung eines Prozesses (offline-Nutzung der Wissensbasis) und zur Regelung während eines Prozesses (online-Nutzung der Wissensbasis) eingesetzt werden.
Die Wissensbasis mit ihren Regelalgorithmen wurde mit der Steuerung und der Sensorik des Versuchsstandes gekoppelt und getestet. Dazu wurden stichprobenartig Qualitätskriterien in die Wissensbasis eingegeben, die das zu fertigende Bauteil aufweisen sollte. Während des Presshärteprozesses verarbeitete die Wissensbasis die zur Verfügung stehenden Prozessdaten und berechnete den notwendigen Wert einer Steuergröße, welcher an die SPS übergeben wurde. Die anschließende Auswertung der Bauteile zeigte, dass die gewünschten Bauteileigenschaften eingestellt werden konnten. Abschließend erfolgte im Projekt eine Wirtschaftlichkeitsbetrachtung, in welcher die Auswirkungen einer Taktzeitverkürzung, bedingt durch einen mittels Wissensbasis optimierten Prozess, auf die Herstellkosten eines Bauteils berechnet wurden.
Das Ziel des Forschungsvorhabens, die Erstellung eines Konzepts zur intelligenten Pro-zessführung beim Presshärten und die Umsetzung dessen durch numerische und experi-mentelle Untersuchungen durch die Erstellung einer Wissensbasis und durch deren Anwendung an einem Demonstratorbauteil, wurde erreicht.
Das IGF-Vorhaben „Intelligente Prozessführung beim Presshärten" wurde unter der Fördernummer AiF 17709BR von der Forschungsvereinigung EFB e.V. finanziert und betreut und über die Arbeitsgemeinschaft industrieller Forschungsvereinigungen (AiF) im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert. Der Abschlussbericht ist als EFB-Forschungsbericht Nr. 421 erschienen und bei der EFB-Geschäftsstelle und im Buchhandel erhältlich.
Summary
Within the project, a concept for a feedback controlled press hardening process was developed and implemented. The information for process optimization were taken from a database, the so-called knowledge base, which is a mathematical model of the press hardening process of the demonstrator geometry side sill. By entering target values, for example target work piece hardness, the knowledge base calculates under consideration of the current process conditions one or multiple control variables. Changing the process conditions due to the control variables leads to a variation of the work piece properties (e.g. open the tool when a certain calculated work piece temperature is reached).
In work package 1 the significant parameters for the press hardening process were deter-mined. Furthermore, the flow curves of the investigated material 22MnB5 were determined with a dilatometer at different temperatures and compared with the state of the art. In the project, a sensitivity analysis of the process parameters was performed using FEM. The programs AutoForm and LS Dyna were used. Finally, a comparison of the FE simulations and the experiments was carried out. The results of the numerical sensitivity analysis were used for the design of the experiments. The variation of the process parameters was carried out in a small area, such as may occur in series production.
To carry out the experimental tests, an automated press hardening set up was built, which was controlled by a PLC. The work pieces were heated in a chamber furnace and inserted with a robotic gripper system in a press hardening tool, which was located in a servo press. After the press hardening the work piece was removed out of the tool and dropped off, after which a new cycle could start. To capture the relevant process parameters the test set up was equipped with various sensors for measuring the work piece and the tool temperature, the forces and speeds. All sensors were synchronized via the PLC.
The evaluation of the work piece quality was carried out at defined points regarding the hardness, the thinning and the springback. The hardness was measured with conventional Vickers hardness devices. The geometric data were measured with a GOM ATOS system. Taking all this data into account, a meta-model of the press hardening process was created, which is the basis for the knowledge base. Simplified, it is a table which establishes the correct relationships between input variables (e.g. work piece temperature at the beginning of the forming) and output variables (e. g. thinning in defined point X). 3 models have been developed for the planning of a process (offline use of the knowledge base) and the feedback control during a process (online use the knowledge base).
The knowledge base with its control algorithms has been connected with the PLC and the sensor systems of the test set up. For testing the knowledge base, quality criteria of the aimed work piece were randomly entered into the knowledge base. During the press hardening process, the knowledge base processed the available process data and calculated the necessary value of a control variable, which was passed to the PLC. The subsequent analysis of the components indicated that the aimed component properties could be adjusted. Finally, in an economic evaluation the production costs of a work piece, produced in a knowledge based optimized press hardening process, were calculated.
The aim of the research project, the creation of a concept for an intelligent process control during press hardening and its implementation by numerical and experimental investiga-tions, by the creation of a knowledge base and its application to a demonstrator has been achieved.
Inhaltsverzeichnis
Zusammenfassung
Abbildungsverzeichnis
Tabellenverzeichnis
Abkürzungs- und Kurzzeichenverzeichnis
1 Einleitung
2 Stand der Technik und Forschung
2.1 Prozessführung
2.2 Presshärten
3 Problemstellung, Forschungsziel und Arbeitsprogramm
3.1 Wissenschaftlich-technische und wirtschaftliche Problemstellung
3.1.1 Bedeutung prozesssicherer Fertigungsverfahren
3.1.2 Technologische Herausforderungen des Presshärtens
3.2 Angestrebtes Forschungsziel
3.3 Arbeitsprogramm
4 Grundlagenuntersuchungen zu relevanten Prozessparametern des Presshärtens
4.1 Bestimmung der relevanten Prozessparameter
4.2 Ermittlung von Kennwerten
5 Sensitivitätsanalyse der Prozessparameter mittels Simulation
5.1 Sensitivitätsanalyse mittels Simulation
5.2 Vergleich mit den Ergebnissen der Experimente
6 Entwicklung und Erprobung eines Konzepts zum Monitoring von relevanten Prozessparametern
6.1 Aufbau des Versuchsstands
6.1.1 Roboter und Greiferadaption
6.1.2 Erwärmungsanlage
6.1.3 Presse und Umformwerkzeug
6.1.4 Steuerung und Kopplung der Anlagenkomponenten
6.1.5 Anlagenintegrierte Messtechnik zur Prozessdatengewinnung
6.2 Versuchsdurchführung und -auswertung zur Datengewinnung für die Wissensbasis
6.2.1 Versuchsplan
6.2.2 Versuchsdurchführung und -auswertung
7 Modellierung der kausalen Zusammenhänge zwischen Eingangsgrößen und Zielkriterien des Presshärteprozesses (Wissensbasis)
7.1 Auswahl geeigneter Methoden, Modellierung
7.1.1 Grundsätzliches Vorgehen
7.1.2 Lineare Regression:
7.1.3 Quadratische Regression
7.1.4 Kennfeldmodellierung (Smoothed Grid Regression – SQR)
7.1.5 Weitere Modellierungsmöglichkeiten
7.2 Modellbildung aus der Wissensbasis
7.2.1 Modellierungsvarianten
7.2.2 Aufbereitung der Wissensbasis
7.2.3 Modellberechnung
7.3 Modellanwendung
7.3.1 Auswahl einer Modellvariante
7.3.2 Versuche zur Prozessregelung
7.4 Softwarekonzeption zur Verwendung der Wissensbasis
7.4.1 Ausgangsposition
7.4.2 Optimierung der Modellform
7.4.3 Modellanwendung
8 Entwicklung eines Konzepts zur intelligenten Prozessführung
8.1 Entwurf und Erprobung von Algorithmen zur intelligenten Prozessführung
8.2 Anforderungen an Sensoren und Schnittstellen
8.3 Wirtschaftliche Bewertung
9 Nutzung und Verwertung der erzielten Forschungsergebnisse
9.1 Wissenschaftlich-technischer und wirtschaftlicher Nutzen der Ergebnisse
9.2 Innovativer Beitrag der erzielten Ergebnisse
9.3 Industrielle Anwendungsmöglichkeiten
10 Literaturverzeichnis
