Instabilitäten aufgrund von externen Einflussgrößen, unbekannten Wirkzusammenhängen zwischen Prozessparametern oder Qualitätsmerkmalen von Produkten führen in Massivumformprozessen trotz vorhandener Prozessregelungen häufig zu Ausschuss. Aktuelle Konzepte zur Regelung basieren auf impliziten Bedienerwissen und der automatisierten Regelung einzelner Prozessparametern. Um die Regelung jedoch noch weiter zu objektivieren und Abweichungen noch weiter zu reduzieren werden neue, holistische Ansätze untersucht.
Ein Mittel zur übergreifenden Kompensation von Qualitätsabweichung sind Qualitätsregelkreise. In Kombination mit Ansätzen des maschinellen Lernens, hier dem Reinforcement Learning und dem Transfer Learning, bieten sie das Potenzial den Ausschuss zu reduzieren. Dies geschieht über eine automatische Adaption der Anlagenparameter bei auftretenden Instabilitäten.
Qualitätsabweichungen mit Qualitätsregelkreisen kompensieren
Das Ziel des Forschungsprojektes Irlequm ist daher die Entwicklung eines auf Reinforcement und Transfer Learning basierenden Verfahrens zur Implementierung von neuartigen Reglern in Qualitätsregelkreisen von Massivumformprozessen.
Damit eine Reinforcement Learning fundierte Regelung ermöglicht werden kann, wird zunächst die notwendige IT-Infrastruktur definiert und umgesetzt. Eine solche Regelung bietet die Vorteile, dass zum einen alle qualitätsrelevanten Informationen, wie Prozessparameter, Umgebungsbedingungen oder Rohstoffeigenschaften, in die Regelung mit einbezogen werden können. Zum anderen kann das implizite Bedienerwissen der Regelung dauerhaft nutzbar gemacht werden.
Reinforcement-Learning-Algorithmus in Prozesssimulation trainieren
Um die Anlernzeit des Reinforcement-Learning-Algorithmus zu reduzieren und Ressourcen zu schonen, wird er nicht direkt am Realprozess trainiert, sondern an einer stochastischen Prozesssimulation. Die an der Simulation gewonnenen Erkenntnisse werden anschließend mittels Transfer Learning auf den Qualitätsregelkreis des Regelkreises übertragen.
Christian Brecher ist Mitglied der NRW-Akademie der Wissenschaften und Künste
Das Ergebnis des Forschungsprojekts wird dadurch eine Qualitätsregelung von Massivumformprozessen sein, die automatisiert, umfassend und in Echtzeit Prozesse regelt und die Qualität der Prozesse optimiert. Die gesteigerte Prozessqualität erhöht wiederum die Qualität der Produkte und reduziert den Ausschuss.
Forschungsprojekt mit einer Projektdauer von drei Jahren
Das Forschungsprojekt Irlequm, mit einer Projektdauer von drei Jahren, ist zum 1. Juni 2021 gestartet und wird in Zusammenarbeit des Lehrstuhls für Fertigungsmesstechnik und Qualitätsmanagement, des Lehrstuhls für Technologie der Fertigungsverfahren (beide vom Werkzeugmaschinenlabor WZL der RWTH Aachen) sowie den Unternehmen Mubea Tailor Rolled Blanks GmbH (Konsortialführer), Eichsfelder Schraubenwerke GmbH, IconPro GmbH, Schomäcker Federnwerk GmbH, Quality Automation GmbH und den assoziierten Partnern Mawi GmbH und Schuler Pressen GmbH durchgeführt. (bec)
Kontakt:
Werkzeugmaschinenlabor WZL der RWTH Aachen
Lehrstuhl für Fertigungsmesstechnik und Qualitätsmanagement
Tobias Müller
Campus-Boulevard 30
52074 Aachen
Tel.: +49 241 80-28211
E-Mail: t.mueller@wzl.rwth-aachen.de
Website: www.wzl.rwth-aachen.de
