Free cookie consent management tool by TermsFeed Policy Generator  
Willkommen bei studio.201
Wir entwickeln 100% individuelle Software-Lösungen.
Nutzen Sie die Chancen der Digitalisierung mit einer
eigenen, webbasierten Prozess-Software.
Nehmen Sie Kontakt auf.
Wir freuen uns auf Ihr Projekt.
1 Test ist 100% besser als kein Test.
Ich sichere Qualität mit automatisierten Tests.
Kathrin Kurzbach
Software-Testerin, Entwicklerin autom. Tests
Fachinf. Anwendungs­entwicklung, 11 Jahre SW-Testing-Erfahrung
Mit Bildern, Farben, Schrift und Layout lassen wir Ihr Projekt lebendig werden.
David Münch
Symfony-Entwickler, Fullstack-Entwickler, UI-Designer
Msc. Computervisualistik, 21 Jahre SWE-Erfahrung
Schatten
  •  
  •  
Schatten für Liste
  • Hintergrund für List-Slider Hintergrund für List-Slider Hintergrund für List-Slider Smart-Sensor Rahmen für List-Slider
  • Hintergrund für List-Slider Hintergrund für List-Slider Hintergrund für List-Slider CT4Add2QM Rahmen für List-Slider

SmartSensor 4.0


Automatisierte Materialdatenerfassung für den digitalen Zwilling von komplexen Kunststoffverarbeitungs-Prozessketten

Projektziel

Das Ziel des Projektes ist die Entwicklung eines smarten, intelligenten Sensorsystems, welches deutlich über einen klassischen Sensor als reinen Erzeuger eines Datenstromes hinausgeht. Exemplarisch soll hierzu ein Kraftsensor zur Erfassung des werkstoffmechanischen Verhaltens von faserverstärkten Kunststoffmaterialien betrachtet werden. Kraftsensoren werden an vielen Stellen in Verarbeitungsprozessketten für Bauteile aus faserverstärkten Kunststoffen eingesetzt (u.a. Wareneingangsprüfung für vorimprägnierte Halbzeuge, Bestimmung mechanischer Kennwerte an prozessierten Halbzeugen, etc.)

Ziel des Projektes ist es die erzeugten Informationen in einem geeigneten Werkstoffdatenraum (Material Data-Space MDS) als Teil des digitalen Zwillings der kompletten Wertschöpfungskette strukturiert abzulegen und entsprechend zu verwalten. Hierfür muss für das jeweilige Bauteil oder Halbzeug ein passendes Informationsmodell generiert werden. Dieses Modell spiegelt die natürliche Werkstoffwelt, in der die Materialzustände und -eigenschaften in bestimmte Kategorien eingeteilt werden wieder. Dabei kommen für den spezifischen Anwendungsfall entwickelte individuelle Ontologien (Beschreibung einer logische, hierarchische Struktur) zum Einsatz. Diese expliziten formalen Spezifikationen einer Konzeptualisierung sind am besten mit einer Analogie aus sozialen Netzwerken (z.B. Facebook) zu erklären. Praktisch werden die Verarbeitungsprozesse mit den dazugehörigen Rohstoffen, Halbzeugen und Endprodukten sachlich, als auch in Ihrer chronologischen Reihenfolge/Parallelität semantisch verknüpft.

Der Fall einer Integration von Komponenten von Dritten im Sinne eines Ökosystems und der Nutzung von Diensten, wird im Forschungsvorhaben nur zum Ende hin untersucht. Aber auch hier bietet der digitale Zwilling eine universell einsetzbare Kommunikationsschnittstelle, welche sowohl geräte- als auch herstellerübergreifend funktionieren muss, eine gute Basis. Digitale Zwillinge müssen sich und die angebotenen Daten und Dienste selbst beschreiben können und die Fähigkeit besitzen, benötigte Dienste anderer digitaler Zwillinge zu identifizieren, auszuwählen und diese zu nutzen, um sich selbst zu vernetzen. Dafür müssen verstärkt aufgabenorientierte Schnittstellen eingesetzt werden, die zum Beispiel das Ziel einer Aktion definieren, aber nicht, wie diese durchgeführt wird.

Zeitraum

01.08.2019 - 31.10.2022

Arbeitspakete

  • Aufbau einer Ontologie für Herstellung und Bewertung von modernen Kunststoffbauteilen anhand einer generischen Versuchsstruktur

  • Analyse und Aufbau eines spezifischen Werkstoffdatenraums basierend auf der komplexen Wertschöpfungskette der betrachteten Versuchsstruktur bezüglich des mechanischen Verhaltens

  • Analyse vorhandener klassischer Sensorsysteme zur mechanischen Charakterisierung (hier Kraftmessdosen) und Aufstellung des Anforderungsprofils für ein smartes Sensorsystem

  • Labormäßiger Aufbau eines smarten Sensorsystems gemäß Anforderungsprofil


  • Erprobung der Integration des labormäßigen smarten Sensorsystems in die Bewertungskette für thermoplastische Faserverbundstrukturen zur „Befüllung“ des Werkstoffdatenraums


  • Analyse und Erforschung des labormäßigen smarten Sensorsystems


  • Untersuchung der Möglichkeit zur Erweiterung des Systems hin zu einem Ökosystem zur Integration von Komponenten und Diensten


Ansprechpartner

Thomas Krahmer

CT4Add2QM


Halbautomatische Bewertung von additiv gefertigten polymeren Bauteilen mittels CT-Daten zur Qualitätssicherung im 3D-Druck

Projektziel

Die Zielstellung von studio.201 ist die Erforschung von Schnittstellen und Datenstrukturen und deren labormäßige IT-gerechte Umsetzung für den Aufbau eines Datenraumes zur Abbildung der im Projekt anfallenden Daten wie: Geometriemodelle, Werkstoffdatenraum, Prozessvektoren und de- ren mögliche Relationen zueinander. Der Aufbau dieser Modelle erfolgt in enger Abstimmung mit der Datenerzeugung durch das IMWS und schließt die Erforschung von Methoden des Datenhandlings, der Datenanalyse und der Informationsverarbeitung mit ein.

  • Automatische Erstellung einer Vielzahl von konstruktiven Versionen eines Bauteils, Kombination dieser mit Varianten des Herstellungsprozesses und mit unterschiedlichen Werkstoffen und additive Fertigung eines Bauteils
  • Entwicklung eines Tracking- und Handling-Systems zur Vorbereitung der gedruckten Bauteile für die Strukturuntersuchung
  • Quantitative Abschlussbewertung jeder gefertigten Variante sowie Aussage in Form eines Ampelsystems
  • Erkennung optimaler Bauteil-Werkstoff-Prozessvarianten und Fertigung dieser optimierten Bauteile in Kleinserie

Zeitraum

01.04.2022 – 31.12.2022

Arbeitspakete

  • Idee eines massiv parallelen automatisierten Prüfens von additiv gefertigten Bauteilvarianten mit dem Schwerpunkt der Reduzierung von Bauteilverzug und der Detektion von Ungänzen im Bauteil durch die Verknüpfung von Prozess- und Geometriedaten (Soll-Daten) mit ermittelten Messdaten aus der Computertomographie (Ist-Daten) an großen Stichproben (>100)
  • Ergänzende Schaffung einer Datenbasis für ein in nachfolgenden Prozessen benötigtes maschinelles Lernen
  • Umsetzung eines automatisierten Bauteiltrackings über die betrachteten Prozessschritte, wodurch perspektivisch der Aufbau einer integrierten Prozesssteuerung ermöglicht wird
  • Entwicklung einheitlicher Datenformate und Bereitstellung der Schnittstellen für eine integrierte Prozesssteuerung

Ansprechpartner

Mathias Bartholmäus
  •  
  •  
nach oben