Feinstbearbeitung von Oberflächen mithilfe von KI

Die Auslegung und Beherrschung von Prozessen der Oberflächenfeinstbearbeitung befindet sich aktuell in einem besonderen Spannungsfeld. Einerseits steigen die Anforderungen an Funktionalität, Lebensdauer und Reproduzierbarkeit hochbeanspruchter Bauteile, andererseits erhöhen Fachkräftemangel, Variantenvielfalt und der Bedarf an ressourceneffizienten Prozessketten den Druck auf die Produktion. Vor diesem Hintergrund gewinnen innovative Ansätze hinsichtlich der Gestaltung von Fertigungsketten sowie neue Methoden zur effizienten Prozessauslegung an Relevanz.

Werkzeug-Werkstück-Kontakt beim Festwalzen: Überlagerung von Anpresskraft und Vorschub zur Einstellung definierter Druckeigenspannungen in der Randzone. Titelbild: Versuchsaufbau für das Microfinishen: Systematische Variation der Prozesseinstellgrößen zur datengestützten Modellierung von Materialabtrag und Oberflächenstruktur. Fotos: Strodick

Neue Ansätze zur Herstellung rotationssymmetrischer Funktionsflächen werden am Institut für Spanende Fertigung (ISF) der TU Dortmund untersucht. Die Projekte werden durch die Deutsche Forschungsgemeinschaft gefördert. Im Mittelpunkt stehen zwei Fragestellungen: die gezielte mechanische Oberflächenkonditionierung von Vergütungsstählen durch die Kombination von Festwalzen und Microfinishen sowie die datengestützte Auslegung von Microfinish-Prozessen mithilfe künstlicher Intelligenz (KI).

Was ist... Superfinishing

Mechanische Randzonenmodifikation

In einem Grundlagenprojekt gemeinsam mit dem Lehrstuhl für Werkstoffprüftechnik (WPT) der TU Dortmund wird untersucht, inwieweit sich Randzonenzustand und Oberflächentopographie durch die abgestimmte Verkettung von Festwalzen und Microfinishen reproduzierbar einstellen lassen. Im Fokus stehen dynamisch und tribologisch hochbelastete Komponenten wie Großwälzlager. Deren Funktionsverhalten wird maßgeblich durch Eigenspannungszustände, Mikrostruktur, Randzonenhärte und Topographie der Oberfläche bestimmt.

Mess- und Prüftechnik im Festwalzprozess: Erfassung von Prozesskräften und Zustandsgrößen zur Korrelation mit Härte, Gefüge und Eigenspannungszustand.

Festwalzen im Labormaßstab: Anpassung von Oszillation, Bandgeschwindigkeit und Anpressdruck zur Einstellung der Zieltopographie. Versuchsaufbau zur gezielten mechanischen Randzonenmodifikation rotationssymmetrischer Proben aus Vergütungsstahl.

Im Unterschied zu thermischen Verfahren der Randzonenmodifikation – etwa dem induktiven Randschichthärten als zusätzlichem Prozessschritt – zielt der untersuchte Ansatz auf eine gezielte Beeinflussung der Oberflächenintegrität durch mechanische Kaltverformung beim Festwalzen. Erste Untersuchungen zeigen, dass sich damit reproduzierbare Druckeigenspannungszustände und veränderte Randzonenhärten einstellen lassen.

Darauf aufbauend werden die Prozess-Mikrostruktur-Eigenschafts-Beziehungen systematisch analysiert. Betrachtet werden insbesondere Eigenspannungen, Mikro- und Makrohärte, Gefügestruktur sowie die resultierende Oberflächentopographie. Ziel ist es, geeignete Bewertungsgrößen für eine funktional günstige Oberflächenintegrität abzuleiten und die daraus resultierenden Bauteileigenschaften quantitativ zu erfassen. Ergänzend wird eine zerstörungsfreie Prüfmethode auf Basis mikromagnetischer Sensorik entwickelt, um die fertigungstechnische Konditionierung inline oder prozessnah bewerten zu können.

Microfinish \ Superfinish tape finish attachment SL 50

Daten-gestützte Prozessauslegung

Ein weiteres Grundlagenprojekt adressiert die Auslegung des eigentlichen Microfinish-Prozesses. Gemeinsam mit dem Lehrstuhl für Produktionssysteme (LPS) der Ruhr-Universität Bochum untersucht das ISF, wie sich der experimentelle Aufwand bei der Prozessentwicklung durch den Einsatz von KI und maschinellem Lernen reduzieren lässt.

Die Prozessauslegung beim Microfinishen basiert in der industriellen Praxis bislang in hohem Maß auf Erfahrungswissen von Maschinen- und Werkzeugherstellern. Dieses Wissen ist jedoch nicht durchgängig dokumentiert und angesichts des demografischen Wandels zunehmend schwer verfügbar. Hinzu kommt die hohe Komplexität des Verfahrens: Microfinishen wird meist mehrstufig durchgeführt, wobei Wechselwirkungen zwischen Einstellgrößen, Ausgangstopographie, Materialabtrag, Werkzeugverschleiß und angestrebter Zieltopographie bestehen.

Superfinish von Lenkzahnstange, Lenkmutter und Kugelgewindetrieb

Vor diesem Hintergrund werden datengetriebene Modelle entwickelt, die diese multidimensionalen Zusammenhänge abbilden. Auf Basis strukturierter Versuchsreihen werden Modelle des maschinellen Lernens trainiert und hinsichtlich ihrer Prognosegüte bewertet. Zudem wird untersucht, inwieweit sich erlernte Zusammenhänge zwischen einzelnen Bearbeitungsstufen übertragen lassen (Transferlernen).

Die resultierenden Surrogatmodelle bilden die Grundlage für eine optimierungsgestützte Prozessauslegung. Dabei werden auch Ansätze des verstärkenden Lernens betrachtet, um aus definierten Zielgrößen geeignete Parameterkombinationen abzuleiten. Parallel dazu wird analysiert, wie sich die beim Microfinishen typischerweise sehr geringen Materialabtragsraten und der Werkzeugverschleiß messtechnisch erfassen und als Modellgrößen integrieren lassen.

Nach Validierung der Optimierungsstrategien soll ein Modell für Handlungsempfehlungen bereitgestellt werden, das Anwender bei der Beherrschung der vielfältigen Einstell- und Einflussgrößen unterstützt. Ziel ist eine robuste, reproduzierbare und ressourceneffiziente Prozessführung.

How to reach the best surface finish with turning tool - diamond burnishing with MAQ STMD tools

Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 549844716.
Gefördert durch die Deutsche Forschungsgemeinschaft (DFG) – 570592100.

Kontakt

Tountzer Tsagkir Dereli

Wissenschaftlicher Angestellter, Abteilung Schleiftechnologie
Institut für Spanende Fertigung Technische Universität Dortmund
Dortmund
E-Mail senden

isf.de