Inline-Detektion von Prozessstörungen beim Gesenkschmieden auf Spindelpressen

Die Warmmassivumformung in Deutschland steht wegen hoher Energiekosten und hoher Ausschussraten unter Druck. Für eine effiziente Qualitätsüberwachung werden Prozessparameter zunehmend lückenlos erfasst, doch bestehende Verfahren zur Ausschuss- und Qualitätsdetektion sind meist nachgelagert oder betrachten nur Teilaspekte. Diese Arbeit untersucht am Beispiel einer Spindelpresse eine Inline-Prozessdatenerfassung, die Prozessstörungen frühzeitig erkennt. Dazu entsteht ein geeignetes Messkonzept und eine statistische Versuchsplanung identifiziert die maßgeblichen Zielgrößen. Auf Basis des Prozessmodells CRISP-DM zeigt sich, dass die Detektion von Prozessstörungen möglich ist. Optimierte KI-Algorithmen erkennen unter anderem Abweichungen bei Halbzeugposition, Umformenergie und Halbzeugwerkstoff. Eine direkt an die Pressensteuerung angebundene Software setzt die entwickelten Algorithmen um und realisiert damit eine Inline-Detektion von Prozessstörungen.