Projekte
Laufende Projekte
Im Folgenden finden Sie eine kurze Übersicht unserer laufenden Forschungsprojekte.
KI-gestützte adaptive Auswahl, Planung und roboterbasierte Ausführung industrieller Qualitätssicherung auf Basis von Verwaltung
RAISE (Robotic AI System for Inspection and Evaluation)
Gefördert durch: Center for Future Production – CFP - Augsburg
Laufzeit: 01.01.2026 – 31.12.2028
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Die Vision von RAISE ist eine autonome, modulare Roboterprüfzelle, die für jedes Individualbauteil automatisch die passende Qualitätsprüfung zusammenstellt und ausführt. Dazu werden unterschiedliche zerstörungsfreie Prüfverfahren wie Röntgen-, optisch-basierte Metrologie und Thermographie als flexibel kombinierbare Module verstanden, die datengetrieben und in Abhängigkeit vom Bauteil, den jeweiligen Anforderungen und möglichen Fehlerbildern ausgewählt und parametrisiert werden. Ziel ist es, den heute hohen manuellen Abstimmungsaufwand, der mit der Prüfplanung und Prüfprozesssteuerung komplexer Strukturbauteile einhergeht, zu reduzieren.
Um eine adaptive Prüfplanung zu ermöglichen und den hochdimensionalen Entscheidungsraum aus Prüfverfahren, Prüfparametern, Fehlerbildern und Anforderungen zu beherrschen, wird eine durchgängige Daten- und Prozesspipeline auf Basis der Asset Administration Shell aufgebaut und die Umsetzbarkeit einer adaptiven, KI-basierten Entscheidungslogik erforscht. So kann die Roboterprüfzelle künftig als menschenzentrierter „Prüf-Orchestrator“ dienen: Automatisierung dort, wo sie entlastet, und menschliche Kontrolle dort, wo sie erforderlich ist (Human-in-the-loop).
RAISE trägt dazu bei, Qualitätssicherung als vernetzten Bestandteil moderner Produktionsumgebungen zu etablieren und berücksichtigt dabei zentrale Anforderungen wie Interoperabilität, Transparenz und Effizienz. Damit werden wesentliche Voraussetzungen geschaffen, um zukünftige regulatorische Vorgaben zuverlässig abzudecken und hohe Qualitätsstandards langfristig zu sichern.
Projektpartner: AIRBUS, Porsche AG, BMW AG
Vorhersagmodelle in der Produktion (VoMoPro) – Themenfeld „Zustandsüberwachung für Fertigungsprozesse“
Vorhersagmodelle in der Produktion (VoMoPro) –Themenfeld „Zustandsüberwachung für Fertigungsprozesse“
Gefördert durch: Europäische Union, Europäischer Sozialfonds Plus (ESF+)
Laufzeit: 01.01.2026 - 31.12.2028
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Das Themenfeld Eins (von fünf) „Zustandsüberwachung für Fertigungsprozesse“ befasst sich mit modernen Fertigungsprozessen, die zunehmend intelligentere Ansätze zur Qualitätssicherung erfordern. In diesem Projekt werden innovative Vorhersagemodelle (weiter-) entwickelt, die durch den Einsatz multisensorischer Konzepte und Künstlicher Intelligenz (KI) eine effiziente Anomalie-Erkennung in der Produktion ermöglichen. Ziel ist es, durch systematische Methodiken sowohl die Prozesssicherheit (Predictive Maintenance) als auch die Produktqualität (Predictive Quality) zu optimieren.
Für die folgenden, für das Projekt ausgewählten, Anwendungsfälle liegen bereits einschlägige Erfahrung und Forschungsexpertise vor:
- Trenn- und Fügeverfahren (z.B. CNC-Zerspanung, Rührreibschweißen, etc.)
- Polymerbasierte Herstellungs- und Verarbeitungsverfahren (z. B. Spritzgießen, Infusion, etc.)
- Zustandsüberwachung im Antriebsstrang (z.B. Überwachung von Getrieben, etc.)
In vielen Produktionsbereichen werden KI-gestützte Lösungen derzeit isoliert auf einzelne Prozesse zugeschnitten. Diese Insellösungen erschweren den Übergang auf artverwandte Situationen, zumal sie oft stark an spezifische Anlagen, Materialien und Umgebungsbedingungen gebunden sind. Die zentrale Herausforderung liegt darin bestehende Modelle so zu erweitern, dass sie auch eine wachsende Bandbreite an Fertigungsprozessen o.ä. abdecken kann. Dabei müssen sämtliche Prozess- und Anlagencharakteristika so verallgemeinert werden, dass die Modelle zuverlässig Vorhersagen liefern – unabhängig von klimatischen Schwankungen in der Fabrik, unterschiedlichen Werkstoffen oder diversen Anlagentypen verschiedener Hersteller, wie sie häufig bei KMU vorzufinden sind.
Projektpartner: Institut für Informatik, CReAITech, Anwenderzentrum Material- und Umweltforschung, MaibornWolff, Maag, Hufschmied, Gantner, Evo, BCMtec, u.v.m.
KIBiS - KI-basierte Regelung bei der Verkettung von roboterbasierten Biege- und Spritzgießfügeprozessen
KIBiS - KI-basierte Regelung bei der Verkettung von roboterbasierten Biege- und Spritzgießfügeprozessen
Gefördert durch: Centre of Future Production – CFP - Augsburg
Laufzeit: 01.01.2026 – 31.12.2028
Data-driven Materials Processing (Prof. P. Lechner)
Hybride Werkstoffe (Prof. K. Wiedenmann)
Inhalt:
Dieses Projekt hat das Ziel, eine hochflexible Prozesskette für die Fertigung von Leichtbau-Rahmenstrukturen zu entwickeln, die roboterbasiertes Profilbiegen mit Spritzgießfügen durch additiv gefertigte Formeinsätze verbindet. Das Projekt kombiniert physik informierte Ersatzmodelle, hochfrequente 3D Geometrieerfassung und generative Design Algorithmen mit roboterbasierten Prozessen und umfangreicher Sensordaten, um die komplexen Wechselwirkungen zwischen Geometrie, Prozessparametern und Bauteileigenschaften zu verwirklichen.
Durch die Entwicklung schnell rechnender KI Modelle für beide Teilprozesse und deren Verknüpfung zu einem Gesamtmodell automatisiert das Projekt die Prozessparametrierung und ermöglicht Variantenwechsel ohne Stillstandzeiten. Dies reduziert Entwicklungs und Iterationszeiten signifikant, steigert die Prozessresilienz gegenüber Material und Parameter Schwankungen und schafft eine skalierbare Fertigungslösung, die von Prototypen bis zur Kleinserienproduktion wirtschaftlicher als konventionelle Faserverbundfertigung ist.
Insgesamt schafft das Projekt eine adaptive Fertigungsarchitektur, die Sensor , Simulations und experimentelle Daten kontinuierlich synchronisiert und so eine virtuelle Abbildung der gesamten Prozesskette liefert, die die Grundlage für Echtzeit Optimierung und zukünftige geschlossene Regelkreise bildet.
Projektpartner: ANYBRID GmbH, KUKA AG, IPR – Intelligente Peripherien für Roboter
- Telefon: +49 821 598 - 69189
Industrial Foundation Model for Manufacturing-X – IFM-X
Industrial Foundation Model for Manufacturing-X – IFM-X
Beauftragt durch: Kompetenzzentrum Mittelstand GmbH
Laufzeit: 01.01.2026 – 31.12.2027
Mechanical Engineering (Prof. M. Sause)
Inhalt:
IFM-X untersucht den Einsatz eines Industrial Foundation Models (IFM) im Kontext der Manufacturing-X-Initiative mit dem Ziel, die Einschränkungen domänenspezifischer und isolierter KI-Lösungen in der Fertigung zu adressieren. Der Ansatz analysiert eine generalisierte Modellarchitektur, die in der Lage ist, prozessbezogenes Wissen über verschiedene Fertigungsdomänen hinweg zu übertragen, darunter Fräsen, Bohren, Rührreibschweißen und Spritzguss, und dabei sowohl metallische als auch polymerbasierte Werkstoffe zu unterstützen.
Ein zentrales Gestaltungsziel von IFM-X ist die Konformität mit den Prinzipien von Manufacturing-X, insbesondere die Integration von Asset Administration Shells (AAS) zur Gewährleistung eines standardisierten und interoperablen Datenaustauschs zwischen Systemen und beteiligten Akteuren. Die Machbarkeit und Anwendbarkeit von Foundation-Model-Konzepten in industriellen Umgebungen werden systematisch evaluiert, wobei besonderes Augenmerk auf Skalierbarkeit, Transparenz und Robustheit unter realen Produktionsbedingungen gelegt wird.
Der Fokus liegt auf der systematischen Bewertung praktischer Grenzen, Einsatzvoraussetzungen und messbarer Effekte in klar definierten industriellen Kontexten, ohne eine universelle Anwendbarkeit vorauszusetzen. Messbare Effekte werden insbesondere im Hinblick auf potenzielle Reduktionen ungeplanter Stillstandszeiten und Materialausschuss in spezifischen Anwendungsfällen untersucht.
Projektpartner: Grenzebach Maschinenbau GmbH, MT Aerospace AG, Berger Holding GmbH & Co. KG, Hufschmied Zerspanungssysteme GmbH, Kaspar Lüther GmbH & Co. KG, LSV Lech-Stahl Veredelung GmbH, Liebherr-Verzahntechnik GmbH, Renk Group
Datenbasierte Zustandsüberwachung von Polymerprozessen basierend auf einem multisensorischen Ansatz und maschinellem Lernen
Datenbasierte Zustandsüberwachung von Polymerprozessen basierend auf einem multisensorischen Ansatz und maschinellem Lernen
SCOPE (Sensor-based Condition Observation for Polymer Engineering)
Gefördert durch: Center for Future Production – CFP - Augsburg
Laufzeit: 01.01.2026 – 31.12.2027
Mechanical Engineering (Prof. M. Sause)
Inhalt:
SCOPE hat sich zum Ziel gesetzt, ein datengestütztes, robustes Echtzeit-Zustandsüberwachungssystem für polymerbasierte Produktionsprozesse zu entwickeln. Das Projekt kombiniert einen Multisensor-Aufbau, physikbasierte Simulationen und Modelle des maschinellen Lernens, um den inneren Materialzustand in Echtzeit zu bestimmen. Dies ermöglicht eine flexible Prozesssteuerung und eine frühzeitige Fehlererkennung, wodurch Ausschuss reduziert und die Produktqualität sowie Zuverlässigkeit verbessert werden.
Durch die Weiterentwicklung bestehender intelligenter Algorithmen automatisiert SCOPE die Auswertung von Ultraschalldaten und übersetzt diese in direktes Prozessfeedback. Dies bildet die Grundlage für zukünftige geschlossene Regelkreissysteme, die Prozesseinstellungen adaptiv anpassen. Zu den erwarteten Vorteilen gehören geringere Ausschussraten, eine stabilere Qualität bei komplexen oder großformatigen Bauteilen, eine schnellere Einführung neuer Materialien wie Rezyklaten und deutlich verkürzte Entwicklungszeiten, insbesondere in der Kleinserienfertigung.
Insgesamt etabliert SCOPE eine digitale Zwillingsarchitektur, die Sensordaten, Simulationsmodelle und datengesteuerte Intelligenz kontinuierlich synchronisiert und so eine virtuelle Darstellung des Prozesses liefert, die die Überwachung und Vorhersage unterstützt und die Grundlage für eine adaptive Steuerung während des gesamten Produktionslebenszyklus bildet.
Projektpartner: KraussMaffei Group, Moldsonic GmbH, Vallen Systeme GmbH, BCMtec GmbH
Herstellung, Charakterisierung und datengetriebene Modellierung der prozessinduzierten Eigenschaften additiv gefertigter Metall
Herstellung, Charakterisierung und datengetriebene Modellierung der prozessinduzierten Eigenschaften additiv gefertigter Metall/Metall-Hybridverbunde
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)
Laufzeit: 10/25 – 09/28
Hybride Werkstoffe (Prof. K. Weidenmann)
Inhalt:
Die additive Fertigung eröffnet neue Möglichkeiten für komplexe Metall/Metall-Hybridstrukturen, ist jedoch durch schmelzbasierte Verfahren wie das selektive Laserschmelzen in Materialkombination und Mikrostrukturkontrolle eingeschränkt. Das filamentbasierte MEAM-HP-Verfahren umgeht diese Limitierungen, da es ohne schmelzflüssige Phase arbeitet und einen einfachen Materialwechsel innerhalb einer Schicht erlaubt. Ziel des Vorhabens ist es, den MEAM-HP-Prozess für die Herstellung metallischer Hybridverbunde systematisch zu erschließen und den Zusammenhang zwischen Prozessparametern, Mikrostruktur und resultierenden Verbundeigenschaften zu verstehen. Die experimentellen Arbeiten werden begleitet durch auf FFT-basierten Simulationsansätzen, die die mechanischen Eigenschaften komplexer Mikrostrukturen effizient vorhersagen. Durch die Generierung umfassender Modellierungsdatenbanken lassen sich Mikrostrukturen gezielt optimieren. Das Zusammenspiel aus additiver Fertigung und Simulation schafft die Grundlage, neue metallische Hybridverbunde mit einstellbarer Gradierung, Anisotropie und Funktionalität zu entwickeln.
Hybrids for Re-Manufacturing – Design, Verarbeitung und Eigenschaften
Hybrids for Re-Manufacturing – Design, Verarbeitung und Eigenschaften
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)
Laufzeit: 10/25 – 09/28
Hybride Werkstoffe (Prof. K. Weidenmann)
Inhalt:
Hybride Leichtbaustrukturen verbinden unterschiedliche Werkstoffe zu leistungsfähigen Bauteilen, erschweren jedoch die Trennung und Wiederverwendung am Ende der Nutzungsphase. Das Projekt entwickelt deshalb ein neues Design-for-Re-Manufacturing-Konzept, bei dem eine niedrigschmelzende thermoplastische Folie eine schaltbare Grenzfläche bildet und eine sonst unlösbare Verbindung zwischen CFK und Thermoplast wieder trennbar macht. Als Demonstrator entsteht eine doppelt gekrümmte CFK-Schale, die mehrfach genutzt werden kann, kombiniert mit einer angespritzten Rippenstruktur, die nach der Verwendung vollständig recycelt und für künftige Bauteilgenerationen erneut verarbeitet wird. Dadurch werden grundlegende Prinzipien für reversibel gefügte Hybridstrukturen untersucht, die sich auch auf Anwendungen wie Türen oder Serviceklappen übertragen lassen, deren langlebige Schalen mehrfach angepasst werden können. Dieser Ansatz unterstützt eine nachhaltigere Nutzung von Materialien und hilft, Ressourcen und Energie über den gesamten Lebenszyklus hinweg zu sparen.
Hybride KI-Simulationswerkzeuge für das Gigacasting von Aluminiumbauteilen
Hybride KI-Simulationswerkzeuge für das Gigacasting von Aluminiumbauteilen
Gefördert durch: KI Produktionsnetzwerk Augsburg
Laufzeit: 01/26 - 12/28
Data-driven Materials Processing, Angewandte Analysis
Inhalt:
Klassische Simulationswerkzeuge bilden Druckgießprozesse von großen Bauteilen nur mit hohem Rechenaufwand ab. Die Rechenzeiten liegen für große Bauteile im Bereich von mehreren Tagen und stellen somit ein Hindernis für die Entwicklung dar. Im Projekt soll ein Berechnungswerkzeug basierend auf einer Mischung aus physikbasierter Diskretisierung und künstlicher Intelligenz aufgebaut werden, das die Eigenschaften von Druckgussbauteilen bei gleicher oder besserer Genauigkeit deutlich schneller berechnet.
Inverse Optimierung der Prozesskette Druckgießen-Richten unter Berücksichtigung von Unsicherheiten
Inverse Optimierung der Prozesskette Druckgießen-Richten unter Berücksichtigung von Unsicherheiten
Gefördert durch: Deutsche Forschungsgemeinschaft
Laufzeit: 07/25 - 06/28
Data-driven Materials Processing (Prof. P. Lechner)
Inhalt:
Die Herstellung von Aluminium-Strukturbauteilen im Druckgussverfahren, insbesondere für Fahrzeuge, nimmt aufgrund der Nachfrage nach Mega- und Gigagussteilen stark zu. Nach dem Gießen werden die Bauteile einer Wärmebehandlung unterzogen, um Eigenschaften wie die Festigkeit gezielt einzustellen. Verschiedene Parameter in der Prozesskette beeinflussen Eigenspannungen und Verzüge, so dass die geometrische Genauigkeit durch ein Umformverfahren und gegebenenfalls zusätzliche Nachbearbeitungsschritte weiter verbessert wird. Ziel von Phase I dieses Projekts ist die Erstellung eines invers lösbaren Modells der Druckguss- und Umformprozesskette, das Unsicherheiten berücksichtigt. Unter Verwendung einer skalierten Prozesskette werden diese Modelle die Optimierung aller Prozessschritte auf der Grundlage der Bauteilanforderungen ermöglichen, einschließlich der Fehlerfortpflanzung zur Analyse der Prozessrobustheit. Ziel ist es, die stochastische Verzerrung zu minimieren, damit ein standardisierter Umformprozess geometrische Genauigkeit erreicht. Die Modellierung wird nicht nur die mechanischen Eigenschaften und die Geometrie optimieren, sondern auch die Gesamtprozesszeit und die Robustheit in die Optimierung einbeziehen.
FORinFPRO
FORinFPRO - Intelligente Fertigungsprozesse & Closed-Loop-Produktion
Gefördert durch: Bayerische Forschungsstiftung
Laufzeit: 01.03.2024 – 28.02.2027
Mechanical Engineering (Prof. M. Sause)
Hybride Werkstoffe (Prof. K. Weidenmann)
Inhalt:
Wie können selbstadaptive Regelungssysteme für Maschinen, Anlagen und Prozessketten realisiert werden, die aus vergangenen Prozessschritten lernen, um sich an zukünftige Erfordernisse des Prozesses anpassen zu können? Diese Frage steht im Zentrum des neuen bayerischen Forschungsverbundes FORinFPRO. Die Lösung soll nicht nur zu einer höheren Qualität von Produkten beitragen, sondern auch für mehr Robustheit bei höherer Ressourceneffizienz durch den Einsatz von Recyclingmaterialien in verschiedenen Prozessen sorgen. Erforscht wird dies am konkreten Beispiel der Fertigung von Leichtbau-Komponenten. Um komplexe Bauteile aus Verbundwerkstoffen herzustellen, werden innovative Fertigungsverfahren für die Herausforderung, die ein selbstadaptiver Prozess an Sensorik, Prozess, Modellierung und Regelung stellt, ertüchtigt Das Ziel bei der Erforschung der Methodik ist es, nicht nur die Regelung von Einzelprozessen weiterzuentwickeln, sondern eine komplexe Prozessverkettung zu realisieren, die eine globale Regelung auf der Gesamtprozessebene ermöglicht.
Datenbasierte Qualitätsprüfung von Gießereikernen mittels Modalanalyse
Datenbasierte Qualitätsprüfung von Gießereikernen mittels Modalanalyse
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)
Laufzeit: 12/24 - 12/26
Data-driven Materials Processing (Prof. P. Lechner)
Inhalt:
Die Qualitätssicherung ist ein zentraler Aspekt der modernen Massenproduktion im Allgemeinen und der Kernfertigung im Besonderen. Im Vergleich zu anderen Massenfertigungsverfahren wie der Metallumformung und der spanabhebenden Bearbeitung ist die Qualitätssicherung für die Kernfertigung und den anschließenden Metallguss vergleichsweise komplex. Kerne werden aktuell im industriellen Maßstab nur visuell vor dem Einsatz in der Gießform inspiziert. Dabei werden oft feine und geschlossene Risse übersehen. Materialfehler wie eine erhöhte Feuchtigkeitsaufnahme können so ebenfalls nicht detektiert werden. Diese Fehler führen zu Ausschuss nach dem Abguss, der erst nach einem erheblichen Ressourceneinsatz als solcher klassifiziert werden kann.
Ziel des vorliegenden Vorhabens ist es, die methodischen Grundlagen für eine zerstörungsfreie Qualitätssicherung von Gießereikernen zu erforschen. Kernfehler, die entweder durch den Fertigungsprozess oder die anschließende Lagerung entstehen, sind oftmals von außen nicht erkennbar, weshalb eine Kontrolle des gesamten Volumens nötig ist. Dafür soll die Resonanzanalyse in Kombination mit einer Modalanalyse eingesetzt werden. Im Rahmen des Forschungsprojektes werden Methoden entwickelt, um nicht nur zwischen Gutteilen und Ausschuss zu unterscheiden, sondern auch eine Lokalisierung von Defekten durchzuführen. Dazu werden die geometrischen sowie die Materialeigenschaften inklusive ihrer statistischen Verteilung charakterisiert. Dies ermöglicht eine ortsaufgelöste Quantifizierung der Messunsicherheit und schließlich eine Lokalisierung von Defekten in Gießereikernen. Damit kann eine differenzierte Entscheidung erfolgen, ob ein Gießereikern prozesssicher im anschließenden Abguss eingesetzt werden kann oder als Ausschuss klassifiziert werden sollte.
TurnKI
TurnKI - Künstliche Intelligenz zur Überwachung von mehrspindligen Drehprozessen
Gefördert durch: Bayerisches Verbundforschungsprogramm (BayVFP) des Freistaates Bayern Förderlinie "Digitalisierung"
Laufzeit: 01.01.2024 – 30.06.2026
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Im Rahmen des Projekts TurnKI - motiviert aus dem KI-Produktionsnetzwerk Augsburg - soll ein sensorgestütztes Prozessüberwachungssystem für mehrspindlige Drehautomaten erforscht werden. Ziel der Forschungsarbeit ist die Erforschung eines echtzeitfähigen Überwachungssystems, das Werkstück- und Werkzeugabweichungen in einem komplexen mehrspindligen Drehprozess erkennen, klassifizieren und auch quantifizieren kann. Dazu soll ein Messsystem eingesetzt werden, das im Rahmen schwingungsbasierter Analysen, wie z.B. Köperschallanalyse und Schwingungsanalyse über Beschleunigungssensoren, den Zerspanungsprozess überwacht. Die echtzeitfähige Detektion von Prozessabweichungen und Interpretation der sensorisch erfassten Abweichungen soll über Methoden der künstlichen Intelligenz insb. des maschinellen Lernens erfolgen. Basierend auf der Überwachungslösung soll Ausschuss über die Erkennung von Abweichung reduziert und gezielt aussortiert werden.
Projektpartner: Berger Holding GmbH & Co. KG, BCMtec GmbH.
AI4FSW
AI4FSW – Artificial Intelligence for Friction Stir Welding
Gefördert durch: Bayerisches Verbundforschungsprogramm (BayVFP) des Freistaates Bayern Förderlinie "Digitalisierung"
Laufzeit: 01.10.2023 – 31.09.2026
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Im Rahmen des Projekts - motiviert aus dem KI-Produktionsnetzwerk Augsburg - soll ein multisensorisches Prozessüberwachungssystem für das roboterbasierte und portalanlagenbasierte Rührreibschweißen erforscht werden. Das System soll zum Qualitätsmanagement und zur Reduzierung nachträglichen Prüfaufwands beitragen. Dazu soll ein Sensorsystem konzipiert werden, dass eine verläss-liche Überwachung ermöglicht. Neben der Auswahl verschiedener Messtechniken liegt dabei auch ein Fokus auf der gezielten Ermittlung von Signalcharakteristiken, die eine präzise Beschreibung des Prozesses erlauben. Diese müssen für eine online Überwachung außerdem in Echtzeit ermittelt werden. Die so erhaltenen Signalfeatures sollen dann Eingang in ein künstliches Neuronales Netzwerk finden, das mit den dazugehörigen Prozesszuständen/ Defekten trainiert werden soll. Abschließend sollen die Verlässlichkeit sowie das Transferpotential des Systems sowie der KI anhand eines Demonstrator Bauteils beurteilt werden.
Projektpartner: KUKA AG, Grenzebach Maschinenbau GmbH, BCMtec GmbH, MT Aerospace AG (assoziierter Partner).
KoKIRo
KoKIRo - Kognitives, KI-gesteuertes Roboter-Montagesystem
Gefördert durch: Bayerisches Verbundforschungsprogramm (BayVFP) des Freistaats Bayern, Förderlinie „Digitalisierung“
Laufzeit: 01.07.2023 - 30.06.2026
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Das Projekt KoKIRo beschäftigt sich mit der Entwicklung eines Industrie 4.0-fähigen, kognitiven und flexibel konfigurierbaren Roboter- und Montagesystems. Das Projekt zielt darauf ab, verschiedene Herausforderungen in der Fertigung zu adressieren, wie z.B. hohe Energiekosten, Lieferkettenprobleme und Fachkräftemangel. Zu den Zielen gehören die Entwicklung eines digitalen Zwillings des kognitiven, KI-gesteuerten Roboter- und Montagesystems, die Implementierung eines herstellerunabhängigen, universell einsetzbaren KI-Steuerungskonzepts in Echtzeit und die Sicherstellung einer RAMI4.0-konformen Systemarchitektur unter Verwendung von Industrie 4.0-Komponenten. Zu den Schlüsselkomponenten gehören ein kollaborativer Roboter (Cobot), d. h. ein Roboter, der für die direkte Interaktion mit dem Menschen in einem gemeinsam genutzten Arbeitsbereich konzipiert ist, eine KI-gesteuerte Echtzeitsteuerung, d. h. ein von künstlicher Intelligenz gesteuertes System für Echtzeitoperationen, und eine mehrachsige Echtzeitsensorik, bei der die Sensoren auf spezifische Montageaufgaben zugeschnitten sind, um die Präzision und Anpassungsfähigkeit zu verbessern. Das Prototyping und die Validierung im Rahmen dieses Projekts umfassen drei Anwendungsfälle zur autonomen Erkennung von Aufgaben, zur Neukonfiguration und zur präzisen Steuerung des Montageprozesses. Zu den Beispielen gehören automatisierte Stift-im-Loch-Montage, Schraubenhandhabung und Press- oder Nietprozesse.
Projektpartner: Fraunhofer IGCV, pro-micron GmbH, robominds GmbH and azero GmbH.
Multiskalensimulation von Formstoffen für den Einsatz von anorganischen Bindemitteln im Binder-Jetting-3D-Druck
Multiskalensimulation von Formstoffen für den Einsatz von anorganischen Bindemitteln im Binder-Jetting-3D-Druck
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)
Laufzeit: 06/23 - 06/25
Data-driven Materials Processing (Prof. P. Lechner)
Inhalt:
Zur Herstellung von Sandkernen für Gießvorgänge ist in den letzten Jahren der 3D-Druck als Technologie erschlossen worden, insbesondere für schnelle Prototypisierung sowie Gießereianwendungen mit kleineren Stückzahlen. Durch den schichtweisen Aufbau unterscheidet sich dieser Prozess jedoch stark vom klassischen Kernschießen, insbesondere in Bezug auf die erreichten Dichtegrade.
Das beantragte Vorhaben setzt sich zum Ziel, den 3D-Druck-Prozess von Sandkernen genauer zu verstehen, um so den Einfluss der Prozessgrößen auf das Endprodukt zu identifizieren. Damit sollen die hohe Qualität der gedruckten Sandkerne anwendungsspezifisch sichergestellt werden und gleichzeitig der mit hohem Aufwand verbundene Messaufwand sowie die Abhängigkeit von Expertenwissen und Erfahrungswerten minimiert werden.
Dazu soll - eng begleitet durch einschlägige experimentelle Untersuchungen - im beantragten Vorhaben ein digitales Modell geschaffen werden, welches den schichtweisen Aufbau der Sandkernschichten beim 3D-Druck abbildet. Aufbauend auf Mikrocomputertomographieaufnahmen industriell genutzer Sande soll dazu die Schüttung der Sandkörner unter Einfluss des Bindemittels auf bereits bedruckte Schichten simuliert werden. Anschließend ist eine simulative und experimentelle Bewertung der mechanischen, thermischen und Durchströmungseigenschaften der gedruckten Sandkerne vorgesehen.
Ein tieferes Verständnis der mikroskopischen Vorgänge beim 3D-Druck von Sandkernen dient als Grundlage für die Materialweiterentwicklung unter Umweltaspekten sowie als Basis für eine Optimierung des Druckprozesses selbst.
KAXFLUX-H2
KAXFLUX-H2
Gefördert durch: Bayerisches Staatsministerium für Wirtschaft, Landesentwicklung und Energie
Programm: Sachbeihilfe
Laufzeit: 01.01.2022 – 31.12.2025
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Das Forschungsprojekt „KAXFLUX-H2“ hat als Ziel eine vollständige virtuelle Abbildung des Kühlprozesses in einem Axialflux-Antrieb für Luftfahrzeuge mit Hilfe von kryogenem Wasserstoff und wird in Kooperation mit der Technischen Hochschule Augsburg durchgeführt. Im Projekt soll ein Axialflussmotor mit kryogener Wasserstoffkühlung entwickelt werden, der durch intelligente Systemarchitektur die Effizienz eines wasserstoff-elektrischen Antriebsstrangs in Luftfahrzeugen erheblich steigern kann. An der Universität Augsburg werden die Themen Materialauswahl/-entwicklung mit Topologieoptimierung für den Einsatz bei kryogenen Temperaturen und zugehörige Prozesstechnik bzw. Materialverarbeitung erforscht. Bei der Multiphysiksimulation stehen die thermo-mechanische Modellierung sowie Simulation des Stators bzw. des Gesamtsystems bei tiefkalten Temperaturen im Zentrum.
Ausgelaufene Projekte
In der Vergangenheit wurden verschiedene Projekte zusammen mit Forschungs- und Anwendungspartnern durchgeführt. Die folgende Auflistung präsentiert einen Überblick über die Projekte:
calibrAEte - Entwicklung einer Standardprozedur zur Kalibrierung und Verifizierung von Schallemissionssensoren
Gefördert durch: Bundesministerium für Wirtschaft und Energie der Bundesrepublik Deutschland (BMWK)
Laufzeit: 01.07.2022 - 31.12.2024
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Die Vergleichbarkeit von verschiedenen Schallemissionssystemen insbesondere der Sensoren von verschiedenen Herstellern für die Unternehmen (z.B. technische Überwachungsdienste) stellt ein Problem dar. Da kein Verfahren existiert, um beispielsweise die Empfindlichkeit der Sensoren über den Frequenzbereich normengleich untereinander zu vergleichen, besteht für die Anwender hierin ein relevanter Bedarf.
Im Rahmen des Verbundvorhabens der WIPANO – Richtlinie und des Förderschwerpunktes: „Wissenstransfer durch Normung und Standardisierung“ werden zwei Bereiche adressiert. Im Bereich der Sensorkalibrierung werden Untersuchungen zur Kalibrierung mittels eines Laservibrometers als Referenzmesssystem durchgeführt und Untersuchungen mittels direkt angekoppelter Sensoren. Auf Basis dieser Untersuchungen wird eine Spezifikation/Norm vorbereitet, die aufzeigt, wie Schallemissionssensoren praktikabel vergleichbar kalibriert und charakterisiert werden.
Für den Bereich der Sensorverifizierung liegt der Fokus in der Identifikation einer praktikablen Vorgehensweise zur einfachen Nutzung im Labor und im Feld. Der Schwerpunkt liegt auf der Bestimmung der wesentlichen Einflussgrößen auf das Prüfergebnis und die Gestaltung eines Verfahrensprotokolls zur Prüfung der Funktionalität in einem wellenbasierten Ansatz oder in einem Ansatz unter Nutzung der elektromechanischen Impedanz. Dies soll ebenfalls als Grundlage für die Erarbeitung einer Spezifikation/Norm dienen
Projektpartner: BCMtec GmbH, SPEKTRA Schwingungstechnik und Akustik GmbH Dresden, Vallen Systeme GmbH, Hochschule Bochum, Fraunhofer-Institut für Keramische Technologien und Systeme IKTS
Physik-informierte Machine-Learning-Modelle für das Spritzgießen von Bauteilen aus metallischem Glas
Gefördert durch: KI-Produktionsnetzwerk Augsburg
Laufzeit: 01.01.2025 – 31.12.2025
Hybride Werkstoffe (Prof. K. Weidenmann)
Inhalt:
Die herausragenden Eigenschaften metallischer Gläser sind an den amorphen Zustand gekoppelt. Die Einstellung desselben ist fertigungstechnisch komplex und v.a. beim Werkzeugdesign mit Unsicherheiten verbunden, da passende Material- und Prozessmodelle fehlen. Mit Sensor- und Prozessdaten werden physik-informierte Machine-Learning-Modelle trainiert, die den Formfüllungs- und Erstarrungsprozess abbilden, um so die Einstellung des amorphen Zustands vorherzusagen und die Prozessqualität zu sichern.
- Telefon: +49 821 598 - 69177
Robotergestützte Bauteilprüfstrategien für Automobil- oder Flugzeugteile
Gefördert durch: KI-Produktionsnetzwerk Augsburg
Laufzeit: 01.01.2025 – 31.12.2025
Mechanical Engineering (Prof. M. Sause)
Mechanische Prüfungen von Automobil- oder Flugzeugteilen erfolgen konventionell mithilfe von dedizierten, starren Prüfsystemen, die für neue Prüffälle und Anforderungen zeit- und kostenintensiv umgerüstet werden müssen. Um verschiedene Prüfstrategien vollautomatisiert umzusetzen, wird in diesem Projekt die bestehende roboterbasierte Prüfzelle mit einer KI-gestützten Bahnplanung erweitert.
Zur exakten Nachbildung realer Beanspruchungen kombiniert das System eine KI-basierte Trajektorienplanung mit modernsten Lernverfahren. Auf Basis von Benutzereingaben und mechanischen Randbedingungen werden optimierte, kollisionsfreie Trajektorien für zwei kollaborierende Roboter berechnet. Durch die Echtzeit-Auswertung von Kraft-Drehmoment-Daten kann das System dynamisch auf Abweichungen während des Prüfprozesses reagieren.
Der Einsatz von Industrierobotern als Aktoren in Verbindung mit KI-basierter Trajektorienplanung ermöglicht den Transfer des Konzeptes in reale industrielle Anwendungsfälle. Die Vorteile liegen in reduzierten Umrüstzeiten bei gleichbleibend hoher Präzision und völlig neuen Möglichkeiten bei der Abbildung von komplexen Lastfällen.
Projektpartner: BMW AG, Porsche AG und Airbus SE
Inline-Messung des Werkzeugverschleißes für Foundation Models in der CNC-Bearbeitung
Gefördert durch: KI-Produktionsnetzwerk Augsburg
Laufzeit: 01.01.2025 – 31.12.2025
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Dieses Projekt fokussiert auf ein innovatives optisches Inline-Werkzeugverschleißüberwachungssystem, das den Werkzeugzustand in Zerspanungsanlagen unabhängig von Prozess und Material erfasst. Die direkte optische Messung ermöglicht die Datenerfassung direkt im Bearbeitungsprozess zwischen den einzelnen Schritten oder beim Werkstückwechsel. Dies trägt zu einer präzisen Datenerfassung bei und bildet die Grundlage für ein Foundation Modell, das die Werkzeugstandzeit vorhersagen und optimieren kann.
Der Einsatz von Künstlicher Intelligenz (KI) ermöglicht es, Werkzeugverschleiß frühzeitig zu erkennen, Ausfallzeiten zu minimieren, die Fertigungseffizienz zu steigern und Ressourcen zu schonen.
Projektpartner: MARPOSS GmbH, Haimer GmbH, Grenzebach Maschinenbau GmbH, Berger Holding GmbH & Co. KG, Hufschmied Zerspanungssysteme GmbH, MT Aerospace AG
Einsatz maschinellen Lernens für die Fehlererkennung in Getrieben
KI-basierte akustische Qualitätssicherung von Gießereikernen
Gefördert durch: KI Produktionsnetzwerk Augsburg
Laufzeit: 01/25 -12/25
Data-driven Materials Processing (Prof. P. Lechner)
Inhalt:
Für Gießereikerne in der Serienproduktion existiert keine serientaugliche Methode der Qualitätssicherung, die insbesondere verdeckte Risse, die bei der Lagerung entstehen, finden kann. Daher wird ein Prüfstand entwickelt, der es ermöglicht, die Kerne durch zerstörungsfreies Anschlagen mit Hilfe des Impulsanregungsverfahrens zu prüfen. Die resultierenden akustischen Daten werden im Frequenzbereich mit Hilfe von Methoden des maschinellen Lernens analysiert, um Defekte zu detektieren.
Ein echtzeitfähiges Ersatzmodell für das Rührreibschweißen
Gefördert durch: KI Produktionsnetzwerk Augsburg
Laufzeit: 01/25 -12/25
Data-driven Materials Processing (Prof. P. Lechner)
Inhalt:
Es wird eine gekoppelte thermo-mechanische Simulation des Rührreibschweißens aufgebaut. Diese Simulation wird dazu eingesetzt, um Trainingsdaten zu errechnen, mit denen gekoppelte physik-informierte Machine Learning Modelle trainiert werden. Diese echtzeitfähigen Modelle sollen anhand von Versuchsdaten validiert werden und die Prozessqualität in Echtzeit berechnen können. Ziel ist, dass dieses Modell als Vorsteuerung in den Prozess integriert wird, um die Prozesskraft und -geschwindigkeiten anzupassen.
ComBo - Effiziente Fertigungstechnologie fur Composite Boostersegmente
Inhalt:
Im Rahmen des Projektes wurden Fertigungstechnologien für zukünftige Booster des ARIANE-6 Programms untersucht. Der Schwerpunkt lag auf der Fertigung mit automatisierten Tapelegeverfahren für thermoplastische CFK-Tapes, sowie der Begleitung der Materialentwicklung mit Prüfmethoden wie der Schallemissionsanalyse.
(Bayerisches Staatsministerium für Wirtschaft, Infrastruktur, Verkehr und Technologie)
MakeKryo III – Mechanisch-physikalisches Materialverhalten bei kryogenen Temperaturen
Gefördert durch: Bundesministerium für Wirtschaft und Klimaschutz (BMWK)
Laufzeit: 01.11.2022 – 31.10.2024
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Eine umfassende und zuverlässige Kennwertermittlung von Faserverbundwerkstoffen bei kryogenen Temperaturen ist bisher nur sehr eingeschränkt möglich. In den ersten beiden Projektphasen wurden Prüfkonzepte und Methoden zur Ermittlung von Druck- und Schub-, sowie für bruchmechanische Kennwerte und Klebeverbindungen für Faserverbundwerkstoffe bei sehr niedrigen Temperaturen erarbeitet. Darauf aufbauend zielt dieses Projekt nun weiterführend auf die Entwicklung neuer Prüflösungen zur Integration sekundärer Messtechnik, wie Digitaler Bildkorrelation, Schall- und elektromagnetischer Emission, bei tiefen Temperaturen ab.
ODIN – Optimized Design for Inspection
Gefördert durch: Europäische Union
Programm: COST Action 18203
Laufzeit: 02.10.2019 - 01.08.2024
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Im Rahmen des EU-COST Netzwerkes stellen wir die stimmberechtigte Vertretung der Bundesrepublik Deutschland und die Leitung des WP5 – Data management and signal processing. Ziel dieses Expertennetzwerkes ist es binnen der nächsten vier Jahre die technischen Standards für den Einsatz von strukturellen Überwachungssystemen (SHM) für den Einsatz im Luftfahrtbereich zu erarbeiten. Innerhalb der WG5 fokussieren die Arbeiten dazu auf die Analysestrategien, Datenreduktionsmethoden und Zuverlässigkeit der verwendeten Messsysteme.
MakeKryo II - Materialkennwertermittlung
Gefördert durch: DLR Nationales Raumfahrtprogramm
Laufzeit: 2021-2022
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Eine umfassende und zuverlässige Kennwertermittlung von Faserverbundwerkstoffen bei kryogenen Temperaturen war bisher nur sehr eingeschränkt möglich. In der ersten Projektphase wurden bereits Prüfkonzepte und Methoden zur Ermittlung von Druck- und Schubkennwerten für verschiedene Faserverbundwerkstoffe bei sehr niedrigen Temperaturen erarbeitet. Darauf aufbauend zielte diese zweite Projektphase nun weiterführend auf die Entwicklung neuer Prüflösungen zur Ermittlung bruchmechanischer Kennwerte sowie zur Charakterisierung von Klebeverbindungen bei Temperaturen von 20 K ab.
Zusammenhang zwischen Materialmikrostruktur und elektromagnetischer Emission
Gefördert durch: DFG Sachbeihilfe
Laufzeit: 2020-2022
Mechanical Engineering (Prof. M. Sause)
Inhalt:
In diesem DFG-Projekt ging es um die Erforschung der grundlegenden Zusammenhänge zwischen der Mikrostruktur von Materialien und der Entstehung von elektromagnetischer Emission (EME) beim Bruchvorgang. Ursache der EME ist das durch Aufbrechen von Bindungen entstehende Ungleichgewicht von Ladungsträgern, welche durch die Dynamik beim Bruchvorgang zusätzlich in Bewegung versetzt werden. Durch materialklassenübergreifende Messreihen mit jeweils variierenden Probengeometrien wurde der Einfluss unterschiedlicher Parameter auf die elektromagnetischen Signale genauer untersucht und anschließend in Simulationen abgebildet. So konnte das Verständnis über den Quellmechanismus weiter ausgebaut und gleichzeitig die verwendete Sensorik anwendungsorientiert weiterentwickelt werden.
Herstellung und Charakterisierung von Metall-Keramik-Durchdringungsverbunden auf Basis hochhomogener Schaumstrukturen
Inhalt:
Im Rahmen des Projekts wurde ein hochhomogener keramischer Schaum und der daraus mittels Gasdruckinfiltration hergestellte Metall-Keramik-Durchdringungverbund untersucht.
Die Mikrostruktur lässt sich mittels CT-Rekonstruktion in ein Modell übertragen, das für die numerischen Simulation der mechanischen und thermischen Eigenschaften sowohl des keramischen Schaumes als auch des Durchdringungsverbunds geeignet ist. Methodische Weiterentwicklungen und die Übertragung von Auswertemethoden auf Metall-Keramik-Durchdringungsverbunde wiesen sowohl im experimentellen als auch im numerischen Bereich der Materialcharakterisierung Neuheitscharakter auf und führten zu einem tieferen Verständnis der Wirkmechanismen im Materialsystem.
SmartCut - Smarte Lösungen für zerspanende Bearbeitungsprozesse
Gefördert durch: bayme vbm – KME Programm
Laufzeit: 2021-2023
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Bei der zerspanenden Bearbeitung handelt es sich um einen Prozessschritt, der oft von zentraler Bedeutung für die Produktgüte ist. Im Rahmen des Projekts wurden Maschinen- und Sensordaten verwendet, um die Standzeit von Werkzeugen zu erhöhen, Ausschuss zu reduzieren und ein kontinuierliches Monitoring der Qualität von Bearbeitungsprozessen zu ermöglichen. Dazu wurden moderne Verfahren des maschinellen Lernens auf reale Prozessdaten angewendet, um das konkrete Potenzial aufzuzeigen und die Methoden für Unternehmen bewertbar und verfügbar zu machen.
Schmelzmetallurgisch hergestellte, interpenetrierende Verbunde basierend auf metallischem Glas – Herstellung, Charakterisierung und Modellierung
Gefördert durch: Deutsche Forschungsgemeinschaft (DFG)
Programm: Sachbeihilfe
Laufzeit: 01.07.2019 - 30.06.2023
Hybride Werkstoffe (Prof. K. Weidenmann)
Inhalt:
Ziel des Projekts war die Herstellung und Charakterisierung eines Metall-Matrix-Durchdringungsverbundes mit einer Verstärkungsphase aus metallischem Glas (Ni60Nb20Ta20) und einer eutektischen AlSi12-Matrix. Mittels pulverbettbasiertem Laserstrahlschmelzen wurde aus amorphem Pulver eine gitterartige Preform hergestellt, die anschließend in einem Gasdruckinfiltrationsprozess mit der AlSi12-Matrix infiltriert wurde. Dabei konnte die amorphe Struktur des metallischen Glases weitestgehend erhalten werden. Aufgrund des Herstellungsprozesses weist die Preform eine anisotrope Struktur auf, was sich in den Ergebnissen der durchgeführten strukturellen, mechanischen und thermischen Charakterisierung widerspiegelt. Die Ergebnisse der mechanischen in-situ und ex-situ Charakterisierung zeigen, dass der Verbund in Herstellungsrichtung eine deutlich höhere Druckfestigkeit aufweist als quer zur Herstellungsrichtung und dass unterschiedliche Schädigungsmechanismen wirken. Untersuchungen mittels TEM zeigen in Korrelation mit den in-situ Untersuchungen, dass eine gute Grenzflächenanbindung erreicht werden konnte. Abschließend konnten die experimentellen Ergebnisse mit analytischen Modellen zum thermischen Ausdehnungsverhalten und den elastischen Kennwerten sowie einem FE-Modell validiert werden.
Additive manufacturing of temperature sensitive actuators
Inhalt:
Im Rahmen des Projekts wurde ein Fertigungsprozess für temperatursensitive Verbundaktoren bestehend aus einer polymeren Matrix und Drähten aus einer Formgedächtnislegierung entwickelt, der auf dem Arburg Kunststoff Freiformen basiert. Vorgespannte Drähte können während dem Druckprozess abgelegt werden, um Aktuatoren mit hoher geometrischer Komplexität herzustellen. Zur Abbildung von Prozess-Struktur-Eigenschaftsbeziehungen wurden die Grenzflächeneigenschaften, sowie die quasistatischen und zyklischen mechanischen Eigenschaften des Verbunds charakterisiert und modelliert. Der Fokus lag auf den thermomechanischen Eigenschaften, um die Aktivierungstemperaturen in Abhängigkeit der Vorspannung sowie die aufbringbaren Kräfte zu ermitteln und auf der Optimierung der Polymer-Draht-Grenzfläche. Nach einer systematischen Materialauswahl, Anpassung der Oberflächenvorbehandlung des Drahtes und Entwicklung des Druckprozesses wurde ein funktionsfähiger Demonstrator in Form eines Zweifingergreifers ausgelegt und gefertigt.
WiR - Wissenstransfer Region Augsburg - Digital Engineering and Automation
Gefördert durch: BMBF – Innovative Hochschule – Exzellenzstrategie des Bundes
Laufzeit: 2018-2023
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Im Projekt WiR ging es um die Gestaltung des Wissenstransfers, sowie der Einrichtung eines Innovationslabors zum Themenfeld „Digital Engineering and Automation“. Hierbei wurde in enger Zusammenarbeit mit dem Institut für Software und Systems Engineering eine robotergestützte Komponentenprüfung aufgebaut. Ziel war die mechanische Prüfung von Komponenten mit freien Lastvektoren und Momenten. Zu diesem Zweck wurd weltweit erstmalig eine flexible Prüfzelle mit zwei 6-Achs Schwerlastrobotern umgesetzt, welche die Prüfkräfte auf die Komponente aufbringen. Darüber hinaus wurden entsprechende Prüfszenarien abgebildet und sekundäre Prüfmethoden (z.B. Schallemissionsanalyse, digitale Bildkorrelation) für die Anforderungen bei der Komponentenprüfung weiterentwickelt sowie verschiedene technische Anlagen (z.B. CNC-Fräse, 6-Achs-Roboter, additive Fertigung) mit insgesamt 24 verschiedenen Überwachungssystemen ausgestattet.
MAI CC4 HybCar – Technologien zur effizienten Herstellung von hybriden CFK/Metall-Strukturbauteilen im Automobilbereich
Gefördert durch: Campus Carbon 4.0 – Neue Werkstoffe Bayern
Laufzeit: 2017-2021
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Für den Einsatz von Faserverbunden und CFK-Metall-Hybriden in der Serienproduktion von Automobilen ist die Automatisierung des Produktionsprozesses von sehr hoher Bedeutung. Im Rahmen dieses Projektes wurde deshalb an einem neuartigen lastpfadorientierten Materialsystem und einem dafür geeigneten automatisierten Herstellungsprozess gearbeitet. Der Fokus lag dabei auch auf der Charakterisierung der Grenzfläche zwischen Metall und CFK, sowie dem Umformverhalten des hybriden Bauteils.
MAI CC4 COSIMO – Composites for sustainable Mobility
Gefördert durch: Campus Carbon 4.0 – Neue Werkstoffe Bayern
Laufzeit: 2018-2021
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Kern des Projekts war die Konzeptionierung und Optimierung eines T-RTM Prozesses um die Forschungsbasis für nachhaltige und effiziente Fertigungsverfahren im Automobil- und Flugzeugbau zu schaffen. Zur Prozessüberwachung und zur ökonomischen Validierung der Bauteilqualität wurde hierzu ein in das T-RTM Werkzeug integriertes Sensornetzwerk aus Ultraschall-, Druck-, Temperatur- und Dielektrizitätssensoren entwickelt.
Bei der Konzeption der Prozessüberwachung wurde das Augenmerk vor allem auf die Evaluierung der Fließfrontdynamik und des Polymerisationsgrades gelegt. Mit Hilfe des Sensornetzwerks aus Ultraschallsensoren konnte unter anderem die Ausbreitung der Fließfront interpoliert und über die Prozesszeit visualisiert werden.
MAI CC4 FASTMOVE – Carbon-Hochgeschwindigkeits-5-Achssystem für die Bearbeitungsaufgaben der Zukunft
Gefördert durch: Campus Carbon 4.0 – Neue Werkstoffe Bayern
Laufzeit: 2017-2021
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Im Rahmen des Projektes wurde ein Zustandsüberwachungssystem für eine 5-Achs-CNC-Fräse entwickelt. Hiermit konnte live der Zustand der Strukturbauteile der Fräse mittels mehrerer akustischer Messmethoden überwacht werden. Außerdem konnte über Körperschallmesswerte die Schärfe der Fräserschneidkanten bestimmt und gleichzeitig das bearbeitete Bauteil auf Defekte überprüft werden.
MAI CC4 Hybrid – Hybride Verbundwerkstofflaminate und Fügetechnologien
Gefördert durch: Campus Carbon 4.0 – Neue Werkstoffe Bayern
Laufzeit: 2017-2021
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Im Rahmen des Projekts wurden Prüfmethoden zur Charakterisierung von Faser-Metall-Laminaten entwickelt und für in situ-Versuche zusammengeführt. Die gewonnenen Kennwerte ermöglichten die Modellierung von Umformprozessen der Thermoplast-basierten Hybridlaminathalbzeuge.
MakeKryo – Materialkennwertermittlung bei kryogenen Temperaturen
Gefördert durch: DLR Nationales Raumfahrtprogramm
Laufzeit: 2020-2021
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Ziel des Projekts war die Entwicklung neuer Prüflösungen für die mechanische Charakterisierung von Faserverbundwerkstoffen unter Weltraumbedingungen. Hierbei wurden Prüfvorrichtungen erprobt, welche zur Ermittlung von Druck- und Schubkennwerten bei Temperaturen bis hinunter zu 20 K eingesetzt werden können. Dabei konnten für verschiedene Faserverbundwerkstoffe valide Ergebnisse erzielt werden.
Relation of electromagnetic and acoustic emission to temporal and spatial crack motion on a microscopic scale in polymers and carbon fibers
Gefördert durch: DFG Sachbeihilfe
Laufzeit: 2018-2021
Mechanical Engineering (Prof. M. Sause)
Inhalt:
Im Rahmen dieses Projektes wurden die grundlegenden Zusammenhänge der Entstehung von elektromagnetischer Emission (EME) in Polymeren, Verstärkungsfasern und Verbundwerkstoffen untersucht. Gleichzeitig wurde eine Messtechnik etabliert um derartige EME in typischen Laborexperimenten erfassen zu können und ein theoretisches Modell zur Beschreibung der EME-Quelle erarbeitet.
MAI ZfP - Kombinierte zerstörungsfreie Prüfmethoden zur Qualitätssicherung von Faserverbundwerkstoffen
Inhalt:
Im Rahmen des Projekt MAIzfp wurden Ringversuche zu ZfP-Methoden organisiert, automatisierte Prüflösungen weiterentwickelt und die Modellierung von ZfP-Methoden näher untersucht. Ein besonderes Augenmerk lag auf der Untersuchung von Porosität, Faserwelligkeit und Impactschäden in Faserverbundwerkstoffen.
(BMBF, Spitzencluster MAI Carbon)
MAI Plast - Entwicklung kosteneffizienter Verarbeitungstechnologien zur automatisierten Prozessierung von thermoplastischen Hochleistungsverbundwerkstoffen für Großserienanwendungen
Inhalt:
Im Rahmen des Projektes wurde das Konsolidierungs und Dekonsolidierungs, sowie Umformverhalten von faserverstärkten Thermoplasten untersucht. Für automatisierte Tapelegeprozesse wurden deren Implikationen bestimmt, sowie für PA-6 der Einfluss der Kristallinität auf die Materialeigenschaften bestimmt.
(BMBF, Spitzencluster MAI Carbon)
FORCIM³A - Forschungsverbund CFK/Metall-Mischbauweisen im Maschinen- & Anlagenbau
Inhalt:
Hier wurden Grenzflächenmodifikationen von Metall-CFK hybriden Schichtverbunden untersucht. Durch den Einsatz moderner Beschichtungsverfahren konnte die Anhaftung deutlich gesteigert werden und Kontaktkorrosion unterbunden werden.
(Bayerische Forschungsstiftung)
