Greybox-Modelle zur Qualifizierung beschichteter Werkzeuge für die Hochleistungszerspanung (SPP 2402)
Deadline: 18. Oktober 2022
Der überwiegende Teil der Zerspanoperationen mit geometrisch bestimmter Schneide wird mit beschichteten Hartmetallwerkzeugen ausgeführt. Das reale, komplexe Einsatzverhalten dieser Werkzeuge ist mit dem derzeitigen Stand der Forschung jedoch weder zufriedenstellend messbar noch ausreichend modellhaft beschreibbar. Versagensbeginn, Verschleißfortschritt und Restlebensdauer können nicht mit hinreichender Sicherheit identifiziert oder prognostiziert werden. Das verhindert die wissensbasierte Auswahl und Qualifizierung beschichteter Werkzeuge für neue oder effizientere Zerspanprozesse. Um ein tiefergehendes Verständnis zu erlangen, muss das tribologische System der Zerspanung umfassender und ganzheitlicher ausgewertet und analysiert werden. Fortschritte unter anderem in der Werkstoffanalytik, der Messtechnik und der Datenanalyse werden noch nicht ausreichend in die Beschreibung des Schädigungsverlaufs einbezogen. Jede einzelne Disziplin verfügt über ein hervorragendes, spezifisches Vorwissen, das in Form von Whitebox-Modellen immer detaillierter und atomistischer beschrieben wird. Dazu zählen z. B. numerische Simulationen, die mit zunehmender Detaillierung jedoch immer rechen- und zeitintensiver werden. Die hochgradig nicht linearen Wechselwirkungen der Realität können aufgrund notwendiger, vereinfachender Annahmen dennoch nie vollständig beschrieben werden. Demgegenüber können reine Blackbox-Modelle bei ausreichender und relevanter Datenbasis komplexe Korrelationen modellhaft abbilden und sind lernfähig. Physikalische Wirkzusammenhänge bleiben jedoch häufig unverstanden und ihre Robustheit in Bezug auf veränderliche Randbedingungen unsicher.
Das übergeordnete Forschungsziel ist somit, die bisher erarbeitete und vorliegende deterministische Modellwelt (Whitebox) mit einer neuen, zu beforschenden datengetriebenen Modellwelt (Blackbox) in Greybox-Modellen zu kombinieren. Mit diesen Greybox-Modellen sollen dann die rein deterministisch nicht beschreibbaren zeitlichen Veränderungen der Werkzeuge im Einsatz bis hin zum Standzeitende erfasst werden. Die robusten, aber ungenauen Prognosen aus Whitebox-Modellen sollen mithilfe datengetriebener und lernfähiger Blackbox-Modelle in ein präzises Zielfenster konvergiert werden. Bereits existierende Algorithmen der Statistik oder des maschinellen Lernens, die im Verständnis einer Blackbox-Modellierung agieren, bilden dafür einen Lösungsraum und sollen nicht gänzlich neu entwickelt, aber genutzt oder modifiziert werden. Damit wird eine wissensbasierte Auswahl und Qualifizierung beschichteter Werkzeuge für neue oder effizientere Zerspanprozesse ermöglicht.
Ziel aller Projekte ist der Aufbau individueller Greybox-Modelle, die eine Qualifizierung beschichteter Werkzeuge für die Hochleistungszerspanung ermöglichen. Damit soll die derzeit existierende Lücke zwischen stationären Werkstoffeigenschaften vor und nach dem Einsatz, also das instationäre Systemverhalten der beschichteten Werkzeuge in der Zerspanung, erforscht und geschlossen werden.
