Prozessüberwachung im Tiefziehen durch Datenanalyse

Abstract

Der Straßenverkehr trägt etwa ein Fünftel zu den Treibhausgasemissionen der EU bei. Die CO2 -Emissionen des Personenverkehrs variieren je nach Verkehrsmittel stark. Personenkraftwagen (PKW) sind mit einem Anteil von 60,6% an den CO2-Emissionen des EU-Straßenverkehrs ein bedeutender Emittent. Um den gesamten CO2-Ausstoß eines Autos zu berechnen, müssen nicht nur die Emissionen während der Nutzung, sondern auch die bei Herstellung und Entsorgung entstehenden berücksichtigt werden. Eine Möglichkeit die Treibhausgasemission während der Herstellung von PKW zu reduzieren, ist die Steigerung der Ressourceneffizienz im Umformen von Karosseriekomponenten. Das Prozessfenster im Tiefziehen schrumpft, da für komplexe Geometrien kleine Radien gefordert sind. Des Weiteren resultiert eine Verarbeitung von hochfesten Stählen zu einer gesteigerten Sensitivität gegenüber stochastischen Schwankungen von Prozessparametern. Um diese ökologische und ökonomische Herausforderung zu bewältigen, kann das Prozessverständnis durch Sensorintegration gesteigert werden. Mithilfe des gesteigerten Prozessverständnisses kann eine Regelung während des Hubs, welche mit Aktuatoren zwischen Niederhalter und Matrize den Materialfluss gezielt beeinflusst, sodass Risse vermieden werden, implementiert werden. Das Ziel dieser Arbeit ist die Steigerung des Prozessverständnisses eines ausgewählten Tiefziehprozesses, um die Grundlage für eine Regelung während des Hubs zu legen. Es wird mit dem Cross Industry Standard Process (CRISP) Data-Mining-Modell eine Analyse zu dem Zusammenhang zwischen jeweils diskreten und kontinuierlichen Prozessdaten und der Bauteilqualität durchgeführt. Darüber hinaus wird mittels Fouriertransformation eine Schwingungsanalyse der Werkzeugspannungen während des Hubs durchgeführt, sowie ein lineares Regressionsmodell entwickelt, welches anhand der gemessenen Werkzeugspannungen die Bauteilqualität vorhersagt. Das Tiefziehwerkzeug sowie die Sensorik werden von einem Industriepartner bereitgestellt. Das Bespielbauteil ist an einen Radkasten angelehnt, wobei verschiedene kaltgewalzte Tiefziehstähle mit einer Blechdicke von 1 mm untersucht werden.Zu den wichtigsten Erkenntnissen dieser Arbeit zählt der Einfluss der Niederhalterkinematik auf die Bauteilqualität. Dies wird in den mittels Piezosensoren gemessenen Werkzeugspannungen besonders erkenntlich, wenn der Stößel fast den unteren Totpunkt (UT) erreicht. Eine Reduktion der gemessenen Werkzeugspannung während des Hubs auf den aussagekräftigen Bereich zwischen 100 mm und 110 mm Stößelweg durch die Steigung oder das Integral der Sensorkurve ist möglich. Auf Basis dieser Zusammenhänge kann mittels eines im Rahmen dieser Arbeit entwickelten linearen Regressionsmodells die Bauteilqualität automatisch vorhergesagt werden, auch wenn keine manuelle Begutachtung nach dem Hub stattgefunden hat. Letztlich wurde das Signal der Werkzeugspannung im Rahmen einer Fouriertransformation in seinem Frequenzspektrum untersucht und hochfrequente Störsignale unterdrückt. Dies ermöglicht ein geglättetes Signal und somit präzisere Untersuchung sowie eine Optimierung bezüglich Ventilflattern von hydraulischen Aktuatoren bei der Regelung während des Hubs.

Road transport accounts for around a fifth of the EU's greenhouse gas emissions. The CO2 emissions from passenger transport vary depending on the means of transport. With a share of 60.6% of CO2 emissions from EU road transport, passenger cars are a major pollutant. In order to calculate the total CO2 emissions of a car, not only the emissions during use, but also those generated during production and disposal must be taken into account. One way to reduce greenhouse gas emissions during the production of passenger cars is to increase resource efficiency in the forming of body components. The process window in deep drawing is shrinking, as small radii are required for complex geometries. Furthermore, the processing of high-strength steels results in increased sensitivity to stochastic fluctuations in process parameters. To overcome this ecological and economic challenge, process understanding can be increased through sensor integration. With the help of increased process understanding, control during the stroke, which specifically influences the material flow with actuators between the blank holder and die so that cracks are avoided, can be implemented. This work aims to increase the process understanding of a selected deep drawing process to lay the foundation for a feedback control during the stroke. The Cross Industry Standard Process (CRISP) data mining model is used to analyze the relationship between discrete and continuous process data with component quality. In addition, vibration analysis of the tool stresses during the stroke is carried out using Fourier transformation, and a linear regression model is developed, which predicts the component quality based on the measured tool stresses. The deepdrawing tool and the sensors are provided by an industrial partner. The test component is based on a wheel arch, whereby various cold-rolled deepdrawing steels with a sheet thickness of 1 mm are examined.One of the most important findings of this work is the influence of the blank holder kinematics on the component quality. This is particularly evident in the die stresses measured using piezo sensors when the ram almost reaches bottom dead center (BDC). It is possible to reduce the measured mold stress during the stroke to the meaningful range between 100 mm and 110 mm ram travel using the slope or integral of the sensor curve. Based on these correlations, the component quality can be predicted using a linear regression model developed in this work. Finally, the sensor signal of the tool was examined as part of a Fourier transformation into the frequency spectrum and high-frequency interference signals have been suppressed. This enables a smoothed signal and thus a more precise investigation and optimization of valve flattering of hydraulic actuators during stroke control.