Archiv für das Monat: September, 2025

ENVIPRO – BeNeNe / Auf neuronalen Netzen basierendes virtuelles Assistenzsystem

Projektrahmen: VDI/VDE ZIM FuE-Kooperationsprojekt

Projektpartner: SHS plus GmbH, FIBRE: Faserinstitut Bremen e.V., IPT: Institut für Polymer- und Produktionstechnologien gGmbH , Haindl Kunststoffverarbeitung GmbH

Laufzeit: 01.04.2022 – 30.09.2025

 

 

Zusammenfassung des Projekts

Ziel des Projektes ist die Entwicklung eines intelligenten Assistenzsystems für eine ressourcen- und energieeffizientere Fertigung von Faserverbundbauteilen, welche mittels Autoklav hergestellt werden. Hierbei stehen sowohl die vorbereitenden Fertigungsschritte als auch der Fertigungsprozess selbst im Mittelpunkt, um eine ganzheitliche und stetige Optimierung des Prozesses und der eingesetzten Ressourcen zu erlangen. Die Basis des Systems soll aus einem oder mehreren neuronalen Netzen bestehen, in welches Simulationsmodelle von Formwerkzeugen und Autoklav implementiert werden. Die Modelle liefern dem neuronalen Netz komprimierte Erfahrungswerte für Bauteile, welche zusammen mit dem „Wissen“ des neuronalen Netzes, zur optimalen Berechnung des jeweiligen Produktionsprozesses verwendet werden kann. Die Methode kann den Zeitaufwand für Berechnungen dabei enorm verringern. Zur Vermessung von beliebigen Autoklavprozessen sollen sensorische Test-Werkzeuge entwickelt werden, welche mittels eines Messsystems individuell ausgewertet werden können.

 

 

In der Praxis werden großvolumige Autoklave mit vielen heterogenen Bauteilen bestückt. Die Bauteile haben unterschiedliche geometrische Abmessungen, unterschiedliche Wandstärken und bestehen aus verschiedenen Materialien/Laminaten. Der Anlagenbediener hat nach dem Stand der Technik die Aufgabe den Autoklaven auf Basis seiner Erfahrung so zu beladen, dass die Bauteile möglichst schnell und gleichmäßig aushärten. Die Beladung des Autoklavs bzw. die Anordnung der Bauteile ist dabei von entscheidender Bedeutung. Die strömungsdynamischen und thermodynamischen Prozesse in den Autoklaven sind extrem komplex und beeinflussen sich gegenseitig. Zur Ermittlung der optimierten Beladung wird ein auf neuronalen Netzen basiertes Assistenzsystem entwickelt, das mit detaillierten Ergebnissen zum Aushärtungsprozess aus CFD-Simulationen trainiert wird. Zusätzlich dazu kommen innovative telemetrische Temperatursensoren zum Einsatz. Auf Basis des Bauraums des Autoklavs und der zu verarbeitenden Bauteile erhält der Anwender vom Assistenzsystem ein optimiertes Beladungsszenario. So kann die Bauteilqualität gesteigert und die Anlageneffizienz (Zeit, Energie, Kosten) signifikant erhöht werden.

Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestages