Ilmenau

Prozessunregelmäßigkeiten beim Rührreibschweißen am Klang erkennen

Pressemitteilung /

Das Rührreibschweißen (Friction Stir Welding, kurz FSW) wird in vielen Industriebereichen eingesetzt. Besonders in der Automobil-, Luft- und Raumfahrtindustrie sowie im Schiff- und Schienenfahrzeugbau wird das Verfahren genutzt, um Aluminiumlegierungen zuverlässig ohne Hohlräume und Risse zu fügen. Doch auch bei diesem Schweißverfahren kann es beispielsweise durch Störungen im Materialfluss, bedingt durch Werkzeugverschleiß, zu Prozessabweichungen kommen.

Experiment zu Rührreibschweißprozess
© TU Ilmenau, FG Fertigungstechnik
Ein rotierendes Werkzeug erzeugt durch Reibung und Druck eine Verbindung zwischen Aluminiummaterialien – ganz ohne Schmelzen. Das Forschungsprojekt FSW-AcoMon analysiert die beim Zusammenfügen entstehenden Geräusche, um Unregelmäßigkeiten im Prozess frühzeitig zu erkennen.

Die Lösung: Künstliche Intelligenz hört mit

Das neue Forschungsprojekt FSW-AcoMon hat zum Ziel, Anomalien bereits während des Fertigungsprozesses frühzeitig zu erkennen. Herzstück dafür ist der KI-basierte Ansatz des Fraunhofer IDMT zur Analyse akustischer Signale. Dieser Ansatz soll es ermöglichen, Prozessveränderungen in situ (vor Ort) anhand typischer Geräusche zu erkennen.

Zu Anomalien kann es beim Fügeprozess kommen, da die Schweißnaht nicht durch Schmelzen des Materials, sondern durch plastische Verformung und Rühren des Werkstoffes mit einem rotierenden, stiftähnlichen Werkzeug erzeugt wird. Störungen im Materialfluss verändern die sogenannten akustischen Signaturen des typischen Schweißgeräusches und werden somit hörbar.

Die Identifizierung dieser akustischen Unregelmäßigkeiten erfolgt in Kombination mit anderen Prozessparametern wie Rotations- und Vorschubgeschwindigkeit, der Anpresskraft, durch resultierende horizontale  Prozesskräfte und das benötigte Drehmoment.

Am Ende des gemeinsamen Forschungsprojekts soll ein robustes Analysesystem entstehen, das sich in industrielle FSW-Anlagen integrieren oder nachrüsten lässt. 
 

Effizientere Qualitätssicherung für die Industrie

Durch die akustische Prozessüberwachung können Unregelmäßigkeiten bereits während des Schweißvorgangs erkannt und nachgelagerte Prüfungen reduziert werden. Dies verbessert nicht nur die Qualität der Produkte, sondern senkt auch Produktionskosten und Stillstandzeiten – ein echter Innovationsschub vor allem für kleine und mittlere Unternehmen.

Gerade die Zielgruppe kleine und mittlere Unternehmen steht im Fokus der Förderung durch das Zentrale Innovationsprogramm Mittelstand (ZIM) des Bundesministeriums für Wirtschaft und Klimaschutz (BMWK). Das BMWK fördert das Forschungsprojekt FSW-AcoMon für die nächsten zwei Jahre mit dem Ziel, diesen innovativen Ansatz schneller in die industrielle Anwendung zu bringen.
 

Starke Partner für Entwicklung und Anwendung

Das Fraunhofer IDMT bringt in das Projekt FSW-AcoMon seine langjährige Expertise in der intelligenten Analyse von Audiodaten ein. Mit modernen Methoden der Signalverarbeitung und des maschinellen Lernens analysiert das Fraunhofer IDMT industrielle Fertigungs- und Maschinengeräusche und identifiziert typische Anomalien, die durch Materialfehler, Werkzeugverschleiß oder Abweichungen im Materialfluss entstehen. Zudem ist das Ilmenauer Institut für die Integration des akustischen Analysesystems in bestehende Fertigungsstrecken verantwortlich.

Das Fachgebiet Fertigungstechnik der Technischen Universität Ilmenau hat ein langjähriges wissenschaftliches Renommee bei der Entwicklung von Rührreibschweißverfahren und steht dem Fraunhofer IDMT als wissenschaftlicher Entwicklungspartner zur Seite. In einer exzellenten Testmaschinenumgebung können die notwendigen Messungen und Tests durchgeführt und ausgewertet werden.

Die RRS Schilling GmbH ist als industrieller Projektpartner verantwortlich für die praktische Erprobung und Integration des akustischen Überwachungssystems in bestehende Fertigungsabläufe. Das Unternehmen liefert zudem wertvolle Erfahrungswerte aus der Anwendung vom FSW in der Praxis.

Letzte Änderung: