Große Werkstücke aus Blei-Bronze-Legierungen per Schleuderguss herzustellen, ist ein energie- und zeitintensiver Prozess. Um Fertigungsfehler und damit teuren Ausschuss zu vermeiden, hat die TH Köln gemeinsam mit der saarländischen Martin Luck Metallgießerei das Gussverfahren digitalisiert und die Prozessparameter mittels Künstlicher Intelligenz (KI) optimiert.

„Unser Projektpartner stellt unter anderem Gleitlager für Maschinen im Bergbau her. Die bis zu 1,5 Tonnen schweren Bauteile werden in Kleinstserien produziert. Entsprechend müssen die Maschinenparameter bei fast jedem Teil neu eingestellt werden“, erläutert Prof. Dr. Danka Katrakova-Krüger vom Institut für Allgemeinen Maschinenbau der TH Köln.

Sowohl die Einstellungen als auch die Dokumentation erfolgten bislang händisch, was fehleranfällig sei und eine gezielte Auswertung mit hoher Reproduzierbarkeit unmöglich mache. Dabei könnte der Schleuderguss von einer digitalisierten und (teil-)automatisierten Fertigung stark profitieren, so die Projektpartner. Bei dem Herstellungsverfahren für Ringe, Scheiben und Rohre wird flüssiges Metall – in diesem konkreten Fall eine Legierung aus Kupfer, Zinn und Blei – in eine um die Mittelachse rotierende Gussform, die sogenannte Kokille, gefüllt. Die Schmelze wird durch Rotation an die Kokillenwand gepresst und härtet dort aus.

„Manchmal braucht es drei Anläufe, bis ein Produkt perfekt ist – die Fehlversuche müssen wieder eingeschmolzen werden. Der damit verbundene Energie- und Ressourcenaufwand, die Bindung von Kapazitäten und die langen Lieferzeiten belasten das Unternehmen. KI-gestützte Produktionssysteme können helfen, diese Probleme zu lösen“, sagt Prof. Dr. Christian Wolf vom :metabolon Institute der Hochschule.

Prozessparameter definieren und KI trainieren

Zunächst untersuchten die Projektpartner, welche Prozessparameter einen besonders großen Einfluss auf die Qualität und vor allem auf die Verteilung des Bleis im fertigen Werkstück haben.

„Da Blei einen viel niedrigeren Schmelzpunkt als Bronze hat und zudem deutlich schwerer ist, kann es beim Abkühlprozess zu einer inhomogenen Bleiverteilung kommen, die das Produkt untauglich macht“, erläutert Katrakova-Krüger.

Relevante Parameter seien unter anderem Gießtemperatur, Abkühlbedingungen, Rotationsgeschwindigkeit der Kokille oder Menge und Temperatur des verwendeten Kühlwassers. Zudem digitalisierte das Projektteam den bestehenden Maschinenpark, sodass die gewählten Prozessparameter und Maschineneinstellungen automatisch erfasst und mit gelungenen oder misslungenen Gussergebnissen in Zusammenhang gebracht werden können. Mit diesen Daten wurde dann eine Künstliche Intelligenz trainiert.

„In das entstandene System können wir die Geometrie des gewünschten Bauteils eingeben. Die KI schlägt dann relativ zuverlässig Parameter vor, die bei gleichen oder ähnlichen Bauteilen in der Vergangenheit zum Erfolg geführt haben“, so Wolf.

Zudem könne das System bewerten, ob ein fertiges Bauteil den Qualitätsanforderungen entspricht. Die Projektpartner wollen auf den Ergebnissen aufbauen und diese weiterentwickeln, um die Bauteilqualität noch besser vorherzusagen.

Das Forschungsvorhaben der Fakultät für Informatik und Ingenieurwissenschaften der TH Köln und der Martin Luck Metallgießerei wurde im Rahmen des Zentralen Innovationsprogramm Mittelstand (ZIM) des Bundesministeriums für Wirtschaft und Klimaschutz von September 2020 bis Juni 2023 gefördert. Die TH Köln zählt zu den innovativsten Hochschulen für Angewandte Wissenschaften. Zurzeit sind rund 25.000 Studenten in etwa 100 Bachelor- und Masterstudiengängen eingeschrieben.