Digitalisierung Produkte und Prozesse basierend auf Materialdaten entwickeln

Prozesse digital entwickeln: Das ganze Potenzial dieses Ansatzes lässt sich nur dann nutzen, wenn die Daten in einer digitalen Materialdatenbasis zusammengeführt werden. Jochen Rühl von der Scherdel-Gruppe referierte dazu beim Leichtbau-Gipfel in Würzburg.

Anbieter zum Thema

Felss Group GmbH

ARRK Engineering GmbH

GF Casting Solutions AG

Reichenbacher Hamuel GmbH

Viele kleine Schritte führen zum Ziel, der beste Weg lässt sich aber nur mit Blick auf die Gesamtstrecke herausfinden: So ähnlich lässt sich der Vortrag zusammenfassen, den Jochen Rühl von der Reichenbacher Hamuel GmbH beim »Automobil Industrie Leichtbau-Gipfel« am 14. Oktober gehalten hat. Konkret ging es um die materialdatenbasierte Produkt- und Prozessentwicklung im Leichtbau.

Vor allem der Kundenwert sei heute ein anderer, sagte Rühl. Waren zum Beispiel digitale Technologien vor zehn Jahren noch ein relativ kleiner Teil, vergleichen mit Embedded Software oder Elektronik, nehmen sie heute bereits rund 70 Prozent ein. Das heißt: „Der Kundenwert kommt künftig aus digitalen Komponenten. Dabei gibt es aber keine digitale Strategie, sondern eine Strategie in einer digitalen Welt“, wies Rühl auf einen wichtigen Unterschied hin.

Schwerpunkt Digitalisierung

In der Material- und Produktentwicklung bedeute das zum Beispiel einen anderen Fokus: Weg von der Strukturmechanik – mit Biegeversuchs- und Korrelationsdaten – hin zur Digitalisierung, Stichworte: Datenbanken, Lernmethoden und das Einbinden dieser Daten in Geschäftsmodelle. Das heißt: In die technologische Konzeption eines Prozesses fließen die wirtschaftlichen Daten und Randbedingungen ein; der Integration von Produktanforderungen stehen mehrdimensionale Kostensimulationen gegenüber.

Interview

Simulation: „Die Potenziale werden nicht genutzt“

In diese Simulationen fließen alle Daten ein, die über die Materialien und Prozesse vorliegen, unter anderem aus Software beziehungsweise virtuelle Sensoren und Simulationsmodelle. Diese Daten sind die Grundlage für das maschinelle Lernen – und sie erlauben es, Wirk- und Funktionsweisen zu verstehen; was andernfalls nur mittels experimenteller – und häufig teurer – Methoden möglich wäre. „Diese Einblicke ermöglichen es, den entsprechenden Prozess detaillierter zu konzipieren und die Vorteile der jeweiligen Materialien gezielt zu nutzen“, beschrieb Rühl.

Praktische Beispiele

Am Beispiel „Masse gegenüber Steifigkeit“ einer Maschinenkomponente beschrieb Rühl diese Abhängigkeiten. „Das ist keine reine Topologieoptimierung“, sagte er, „die Materialdaten sind mit wirtschaftlichen Daten verknüpft – wir können so den Gesamtprozess abbilden.“

Das zweite praktische Beispiel bezog sich auf eine Zerspanungsmaschine. Hier zeigte Jochen Rühl, wie sich das Spänemanagement verbessern lässt. Ein sogenanntes Templatemodell dient dabei als Grundlage für individuelle Maschinen- und Systemkonzepte. Die integrierten Daten der tatsächlichen Bedingungen in der Maschine während der Zerspanung helfen dabei, das richtige Absaugkonzept zu entwickeln.

(ID:46950630)