Prozesskette kontinuierlich-warm

Das Rollformen ist ein kostengünstiges Umformverfahren, das in der Industrie breite Anwendung findet. Das Verfahren zeichnet sich dabei vor allem durch einen geringen Energiebedarf und ein breites Spekt-rum fertigbarer Profilgeometrien aus. Der Einsatz hochfester Materialien und die Fertigung besonders komplexer Geometrien erfordern jedoch eine hohe Zahl an Rollformstufen, wodurch die Wirtschaftlich-keit des Prozesses sinkt. Die Verwendung erwärmter Bleche ermöglicht eine verbesserte Umformbar-keit der Materialien, führen aber auch zu einem Zielkonflikt zwischen Bauteilqualität und Energieeffizi-enz. Vor diesem Hintergrund gilt es den Energiebedarf sowohl bei der Erwärmung am Induktor als auch bei der Umformung an den Rollformstufen mithilfe einer adäquaten Datenerfassung und -verarbeitung zu optimieren. Dabei sind auch relevante Einflussgrößen auf die finale Profilgeometrie zu bestimmen. Mithilfe Künstlicher Intelligenz soll es so möglich werden, die Anordnung der Rollformstufen und den Einsatz des Induktors hinsichtlich der Qualität und der Wirtschaftlichkeit des Bauteils zu optimieren.

Das Ziel des Demonstrators ist es, die Potenziale maschineller Lernverfahren für die Überwachung der Bauteilqualität von temperierten Umformprozessen aufzuzeigen. Dazu wird zusätzliche Messtechnik in einen Rollformprozess mit vorgelagertem Induktor integriert. Anhand der aufgenommenen Prozessda-ten können Verfahren des maschinellen Lernens genutzt werden, um den Energiebedarf und die an den Rollformstufen wirkenden Kräfte und Momente zu optimieren. Interessierte haben somit die Möglich-keit, die Umsetzungen von KI am Demonstrator kennenzulernen, praktische Lösungen mit den Ex-pert:innen vor Ort zu diskutieren und den Einfluss von Prozessänderungen auf die Wirtschaftlichkeit und Qualität von Bauteilen zu erfahren. Insbesondere bei Fragen, zur Energieeffizienz und dem Potenzial der KI-basierten Prozessauslegung, kommen Sie gerne auf uns zu.