Fehlervermeidung in Radial-Axial Ringwalzprozessen durch Online-Analyse der Zustandsdaten

• Antragsteller: Professor Dr.-Ing. Bernd Kuhlenkötter
• Fachliche Zuordnung: Ur- und Umformtechnik, Additive Fertigungsverfahren
• Förderung: Förderung seit 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 404517758

Nahtlose, ringförmige Bauteile mit Anforderungsprofilen wie hohe dynamische Belastbarkeit und hohe Variabilität werden für viele Maschinen und Anlagen in allen Industriezweigen benötigt. Das Radial-Axial Ringwalzen (RAW) ist das wichtigste Verfahren zur Herstellung solcher Bauteile und ermöglicht die Fertigung von Ringen in der Größenordnung 100 mm bis zu 16 m Außendurchmesser, bis zu 4 m Ringhöhe und einem Bauteilgewicht bis zu 300 t. Innerhalb des abgeschlossenen Projekts zur „Fehlervermeidung in Radial-Axial Ringwalzprozessen durch Online-Analyse der Zustandsdaten“ wurden maschinelle Lernmodelle trainiert und zur Vorhersage verschiedener Formfehler (Unrundheit und Planschlag) verwendet. Diese Vorhersage erfolgt in einem ersten Schritt im Anschluss an den Prozess und somit off-line, konnte im Projektverlauf aber auch während des Prozesses on-line erfolgen. Eine solche on-line Vorhersage kann dazu genutzt werden, den Walzprozess insofern zu optimieren, als dass bereits Formfehler, welche zum Zeitpunkt der Walzung durch für den Menschen nicht interpretierbare Muster in den Walzdaten für maschinelle Lernmodelle erkenn- und erlernbar sind, verhindert, statt lediglich vorhergesagt werden können. Die bisherige Arbeit fokussiert sich dabei auf eine Klassifikation der vorliegenden Ringdaten und soll im Weiteren zu einem Regressionsproblem erweitert werden. Durch einen solchen Regressionsansatz können auftretende Formfehler nicht nur klassifiziert, sondern auch in ihrem Maß der Ausprägung („1,212 mm Unrundheit“) vorhergesagt werden. Durch eine Regression wird eine bessere Umsetzung der Regelung des Walzprozesses möglich, da die Eingriffsstärke geeigneter Gegenwalzmaßnahmen besser eingeschätzt werden kann. Zusätzlich dazu wurde im vorangegangenen Forschungsprojekt eine Forschungslücke im Bereich der Verwendung halb-überwachter Lerndaten und der synthetischen Datengenerierung im Radial-Axial Ringwalzen festgestellt. Aus diesem Grund soll sich innerhalb des Fortsetzungsantrags ebendiesen Forschungsfeldern auf Basis der bisher erlangten Daten und Erkenntnisse gewidmet werden. Um die Qualität der Forschung weiter zu steigern, sollen zusätzlich weitere Daten industrieller Walzwerke bei kooperierenden Ringwalzunternehmen (thyssenkrupp rothe erde Germany GmbH und Schmiedewerke Gröditz) aufgenommen werden. Zur Abdeckung auch kleiner Ringwalzwerksdimensionen werden überdies an der lehrstuhleigenen Ringwalzanalage umfangreiche Walzungen durchgeführt. Die industrielle Relevanz des beantragten Themas wird durch die beigefügten Letter of Intent von thyssenkrupp rothe erde Germany GmbH und Schmiedewerke Gröditz herausgestellt. Die grundlagenforschungstechnische Relevanz ist innerhalb des vorangegangenen Projektes durch zahlreiche Publikationen der Ergebnisse und indentifizierte Forschungslücken aufgezeigt worden.

• DFG-Verfahren: Sachbeihilfen