Entwicklung eines datengetriebenen Modells zur Bewertung und Verbesserung der Prozessrobustheit bei der Wirkflächenauslegung von Tiefziehwerkzeugen (2. Förderphase)

Industrielle Tiefziehprozesse unterliegen inhärenten Prozessschwankungen, welche durch unvorhersehbare Abweichungen von Material- und Prozessparametern verursacht werden.
Daher treten trotz definierter Prozessfenster in der industriellen Praxis regelmäßig unerwartete Versagensfälle auf, die mit etablierten Auslegungs- und Bewertungskriterien nur unzureichend erklärt oder vorhergesagt werden können. Zwar ermöglichen Finite-Elemente-Modelle eine detaillierte Analyse von Dehn- und Spannungszuständen, ihre Anwendung ist jedoch aufwendig und in der Regel auf einzelne Werkzeuggeometrien beschränkt. Parallel dazu stehen in der industriellen Fertigung umfangreiche Prozessdaten zur Verfügung, die reale Schwankungen und Fehlermodi abbilden, bislang jedoch nur begrenzt systematisch zur Identifikation von Prozessgrenzen genutzt werden. Erste datengetriebene,  unüberwachte Lernansätze zeigen, dass sich stabile und kritische Prozesszustände für einzelne Werkzeuge in
einem latenten Raum separieren lassen. Die Übertragbarkeit dieser Erkenntnisse auf unterschiedliche Werkzeuggeometrien ist jedoch derzeit stark eingeschränkt, da geometrische
Einflüsse nicht explizit berücksichtigt werden. Es besteht daher ein grundlegender Forschungsbedarf an einem integrierten Ansatz, der industrielle Prozessdaten, FE-Simulationen und Geometrien in einer geeigneten Repräsentation zusammenführt. Ziel ist es, unerwartete Versagensfälle physikalisch fundiert zu erklären, resiliente Arbeitsbereiche systematisch abzuleiten und diese Erkenntnisse auf neue Werkzeuggeometrien übertragbar zu machen. Die Entwicklung generalisierbarer, geometrieabhängiger Prozesszustände stellt hierbei eine zentrale offene Fragestellung dar.
 

Das Projekt wird durch die Deutsche Forschungsgemeinschaft gefördert.