Digitaler Zwilling

Der Digitale Zwilling ermöglicht die Effizienz und Qualität in der Additiven Fertigung erheblich zu steigern. Durch die systematische Erfassung und Analyse aller relevanten Produktionsdaten bietet er ein umfassendes Verständnis des gesamten Herstellungsprozesses. 

Unser Ansatz

BigDataLMD: Nutzung digitaler Zwillinge zur Optimierung von additiven Produktionsprozessen

Die Initiative Industrie 4.0 hat den Weg für eine umfassende Digitalisierung und Virtualisierung der Fertigungsprozesse geebnet. In dieser Landschaft kann der digitale Zwilling - eine virtuelle Darstellung eines Systems, Prozesses oder Produkts - sowohl die Effizienz als auch die Produktqualität erheblich verbessern. Durch systematisches Sammeln und Analysieren aller relevanten Produktionsdaten bieten digitale Zwillingsmodelle ein umfassendes Verständnis des gesamten Fertigungsablaufs.

Im Rahmen des von der Industrie geförderten Projekts „BigDataLMD“ hat das Fraunhofer IAPT eine Daten-Pipeline-Infrastruktur und begleitende Software-Tools entwickelt, um die Digitalisierung einer pulverbasierten Laser-Metallbeschichtungsanlage zu erleichtern. Mit Hilfe der SINUMERIK Edge und optischer In-situ-Sensoren erfasst die Pipeline Maschinenparameter und prozessbezogene Daten. Anschließend wird im Siemens Insights Hub® ein digitaler Zwilling des Produkts erzeugt, der die Datenanalyse und die Identifizierung der wichtigsten Einflussfaktoren ermöglicht. Darüber hinaus ermöglicht das Software-Tool den Anwendern, Metadaten aus nachfolgenden Qualitätsmessschritten zu sammeln. Aus den analysierten Daten werden umsetzbare Empfehlungen zur Verbesserung der Stabilität des Pulver-Laser-DED-Prozesses entwickelt.

Einer der Hauptvorteile des digitalen Zwillings ist die kontinuierliche und automatisierte Optimierung der Prozesse. Durch daten- und kI-gestützte Simulationen können Endanwender genaue Vorhersagen treffen und potenzielle Fehler frühzeitig erkennen, wodurch die Stabilität und Präzision der additiv gefertigten Bauteile verbessert wird.

KiRo3D: Optimierung robotergestützter 3D-Druckprozesse mit Hilfe von Reinforcement Learning Agents

Im Rahmen des Forschungsprojekts KiRo3D wurde eine 3D-Druckroboterzelle digitalisiert. Dazu wurden ein Pyrometer und eine CMOS-Kamera zur Echtzeit-Schmelzbadüberwachung über einen Strahlteiler in den Strahlengang integriert. Gekoppelt mit der RSI-Schnittstelle des KUKA-Roboters werden die Prozessdaten effizient erfasst und in einer Datenbank gespeichert.

Zusätzlich wurde ein umfassendes Prozessüberwachungs-Tool entwickelt, mit dem die Maschinenbediener den Prozess in Echtzeit überwachen können. Für die anschließende Analyse wurde ein webbasiertes Analysetool entwickelt, das die Visualisierung und Auswertung der Prozessdaten nach dem Bau ermöglicht. Dieses Tool ermöglicht nicht nur die ortsspezifische Darstellung von Sensordaten (Geomapping), sondern unterstützt auch die Erstellung von Datensätzen und das Training von maschinellen Lernmodellen.

Diese Modelle werden zum Trainieren von Reinforcement-Learning-Agenten verwendet, die die Prozessmerkmale schrittweise aus historischen Daten lernen. Letztlich können diese Agenten im Prozess eingesetzt werden, um die Steuerung der Prozessparameter zu automatisieren. Dieser Ansatz stabilisiert den Prozess, verbessert die Produktqualität, minimiert den Ausschuss und reduziert die Produktionskosten.