ZIM-Kooperationsprojekt "BeNeNe"

Intelligente Beladungsplanung von Autoklaven mit künstlichen neuronalen Netzen

Ziel des Innovationsprojekts "BeNeNe" ist die Entwicklung einer KI-basierten Lösung zur optimierten Beladung von Autoklaven. In der industriellen Praxis dient ein Autoklav zur Aushärtung von unterschiedlichsten Faserverbund-Bauteilen, die sich in Form und Größe unterscheiden. Vier Partner - SHS plus GmbH, 3D ICOM GmbH & Co. KG, Institut für Polymer- und Produktionstechnologien e.V. und Faserinstitut Bremen e.V. - arbeiten gemeinsam an einem intelligenten Assistenzsystem für ressourcenschonende und selbstoptimierende Autoklavierprozesse. Gefördert wird das Projekt mit einem Gesamtvolumen von rund 863.000 Euro aus dem Zentralen Innovationsprogramm Mittelstand (ZIM).

Hochleistungsbauteile aus Faserverbundkunststoff für die Luft- und Raumfahrtindustrie werden überwiegend im sogenannten Autoklav-Prepreg-Verfahren hergestellt. Die Aushärtung der Polymermatrix findet dabei unter Druck und erhöhter Temperatur im Autoklaven statt. Da in der industriellen Praxis eine Vielzahl an Bauteilvarianten vorkommt, muss die Anordnung im Autoklaven stets basierend auf Erfahrungswerten angepasst werden. Auf der einen Seite sollte dabei aufgrund des hohen Energiebedarfs auf eine optimale Raumausnutzung mit den Formwerkzeugen geachtet werden. Auf der anderen Seite muss die Qualität der Bauteile zwingend auf dem gleichen Niveau verbleiben. Aufgrund der großen Anzahl an Kombinationsmöglichkeiten bei der Beladung des Autoklaven ist eine vorausgehende, datenbasierte Optimierung für verschiedene Beladungsszenarien mittels derzeit verfügbarer Berechnungsmethoden nicht wirtschaftlich durchführbar.

Künstliche Intelligenz optimiert die Beladung von Autoklaven

Ziel des Projekts "BeNeNe" ist die Entwicklung eines intelligenten Assistenzsystems für eine ressourcen- und energieeffizientere Fertigung von Faserverbundbauteilen, die mittels Autoklavieren hergestellt werden. Hierbei stehen sowohl die vorbereitenden Fertigungsschritte als auch der Fertigungsprozess selbst im Fokus, um eine ganzheitliche und stetige Optimierung des Prozesses und der eingesetzten Ressourcen zu erlangen.

Die Basis des Systems soll aus einem künstlichen neuronalen Netz bestehen, in das Simulationsmodelle von Formwerkzeugen und Autoklaven 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 können. Diese Methode verringert den Zeitaufwand für Berechnungen enorm. Zur Vermessung von unterschiedlichen Autoklavierprozessen sollen sensorische Testwerkzeuge entwickelt werden, die mit einem Messsystem individuell ausgewertet werden.

Die Idee zum Projekt "BeNeNe" ist im Rahmen des Innovationsnetzwerks ENVIPRO - environmental friendly production entstanden, das über das Zentrale Innovationsprogramm Mittelstand (ZIM) gefördert wird. Im Zuge der Mitgliedschaft werden die Partner aktiv bei der Realisierung von FuE-Projekten sowie der Sicherstellung der Finanzierung unterstützt. Betreut wird ENVIPRO von der IWS GmbH, die auch das Antragsmanagement der Kooperationsprojekte übernimmt und die Mitglieder*innen intensiv bei der Entwicklung neuer Technologien begleitet.

Projektpartner

Logo IWS GmbH
IWS steht für den Technologie- und Wissenstransfer zwischen Industrie und Spitzenforschung und agiert branchenübergreifend dort, wo Innovationen entstehen. Wir arbeiten in mehreren Technologienetzwerken mit Unternehmen und Forschungseinrichtungen zusammen, die den Nukleus für die gemeinschaftliche Entwicklung hochinnovativer Produkte, Verfahren oder technischer Dienstleistungen darstellen.

Kontakt

IWS Innovations- und Wissensstrategien GmbH
c/o ENVIPRO -  environmental friendly production
Deichstrasse 29 | 20459 Hamburg

Telefon +49 (0)40 3600 663-0
Fax +49 (0)40 3600 663-20
E-Mail Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!
Logo ZIM BMWi

Netzwerke

Links