KI-basierte Prognose der Ergebnisse von Massivumformsimulationen

• Antragsteller: Professor Dr.-Ing. Bernd-Arno Behrens; Professor Dr.-Ing. Ludger Overmeyer
• Fachliche Zuordnung: Produktionssystematik, Betriebswissenschaften, Qualitätsmanagement und Fabrikplanung ; Ur- und Umformtechnik, Additive Fertigungsverfahren
• Förderung: Förderung von 2015 bis 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 267446240

Software und Hardware zur Finite-Elemente-Methode(FEM)-Simulation von Massivumform-prozessen sind weit entwickelt. Trotzdem ist der Einsatz der FEM-Simulation zur Produkt- und Prozessentwicklung von Schmiedeteilen durch noch immer lange Berechnungszeiten gekennzeichnet. Ziel des beantragten Vorhabens ist daher die Entwicklung einer Prognosemethode, die eine ausreichend genaue Vorhersage der Ergebnisse von Umformsimulationen in einem für den Konstrukteur nicht als störend wahrgenommen Zeitraum aus einer CAD-Umgebung heraus ermöglicht. Z. B. soll der Korrelationskoeffizient größer als 90 Prozent und die Prognosezeit kürzer als 60 Sekunden sein. In dem beantragten Vorhaben werden Algorithmen der Künstlichen Intelligenz (KI) zur Prognose der Simulationsergebnisse verwendet. Die Simulationsergebnisse sind bspw. durch die benötigte Umformkraft, die Gesenkfüllung oder die Fertigteilgeometrie charakterisiert. Ausgewählte Data Mining (DM) Algorithmen werden mit FEM-Simulationsergebnissen (ca. 50.000 Datensätze) trainiert und evaluiert. Dafür ist u. a. die Entwicklung einer für DM Algorithmen interpretierbaren Geometriemodellierung vorgesehen. Die grundsätzliche Realisierbarkeit des innovativen Ansatzes wurde in Voruntersuchungen aufgezeigt. Die Forschungsergebnisse sollen dazu beitragen, zukünftig die Anzahl der Iterationen zwischen Gestaltung und zeitaufwändiger FEM-Berechnung auf ein notwendiges Minimum zu reduzieren.

• DFG-Verfahren: Sachbeihilfen