Die Firma MM-Welding in Zusammenarbeit mit dem Institut für Kunststofftechnologie (IKT) und dem Institut für Automation (IA) der Fachhochschule Nordwestschweiz hat eine neuartige Fügemethode für Multi-Material-Konstruktionen automatisiert. Eine lückenlose Datenerfassung unterstützt mit Machine Learning ermöglicht ausserdem eine Vorhersage der Verbindungsqualität und eine Selbstoptimierung des Prozesses.
Die Firma MM-Welding bietet eine innovative Verbindungstechnologieplattform für Leichtbau- und Multimaterialkonstruktionen an. Durch den MM-Welding® Prozess werden ausserordentliche Verbindungsqualitäten für anspruchsvolle Anwendungsfelder geschaffen. In den bisher industrialisierten Anwendungen wurden simple Automatisierungskonzepte umgesetzt.
Für die Weiterentwicklung der Technologie und zur Leistungssteigerung für die Serienfertigung sind neue, innovative Systemkonzepte gefordert. Dadurch wird zudem ein flexiblerer Prozess angestrebt. Für die maximale Flexibilität im Entwicklungsprozess und im industriellen Einsatz wird in Zusammenarbeit mit dem Institut für Kunststofftechnologie und dem Institut für Automation eine automatisierte Lösung mit Industrieroboter entwickelt. Durch den Robotereinsatz wird einerseits die Anzahl der kontrollierbaren Systemparameter erhöht und andererseits neue Möglichkeiten geschaffen, indem das System komplexere Geometrien und unterschiedliche Verbindungstechnologien unterstützt.
Zielsetzung
Der Industrieroboter soll neben einer flexiblen Lösung für alle möglichen Geometrien auch eine umfassende Datenerfassung ermöglichen. Die Echtzeitdatenerfassung stellt eine wesentliche Herausforderung dar. Zu jeder einzelnen Verbindung werden diverse Prozessdaten erfasst und zu jedem Verbindungselement abgespeichert für die Prozessanalyse und -optimierung. Die erfassten Prozessdaten werden unter anderem für eine Machine Learning Pipeline von MM-Welding benutzt, um die Zugfestigkeit der Verbindung vorherzusagen. Dadurch entfallen aufwendige Testfälle und die oft auch mit der Zerstörung der Verbindung verbunden sind.
LiteWWeight® Pins
Die Verbindungstechnologie im Fokus der Zusammenarbeit und Ausgangslage für den robotergestützten Prozess ist als LiteWWeight® bekannt. Dabei werden Befestigungselemente, sogenannte Pins, in Leichtbaustrukturen eingebracht. Die Her-ausforderung liegt dabei in der besonders widerstandsfähigen Sandwichbauweise mit einer Deckschicht aus Glasfaser verstärktem Kunststoff und einem teilweise gefüllten Inneren bestehend aus einer Wabenstruktur mit partieller Schaumstofffüllung. Ein typisches Einsatzfeld dieser Multi-Material-Verbindung ist in der Automobilbranche zu finden.
Ultraschall-Schweisswerkzeug
Für die hohen Anforderungen der Verbindungstechnologie wurde ein Ultraschall-schweisssystem in enger Zusammenarbeit mit dem Institut für Kunststofftechnologie entwickelt. Das Ultraschall-Schweisssystem besteht grundlegend aus 3 Teilen: Der Ultraschall-Stack (hellgrau) versetzt den Pin in hochfrequente Schwin-gungen (20kHz). Mit dem Linearmotor (schwarz) wird der LiteWWeight®-Pin dann in das Sandwich-Panel hineingetrieben. Durch die lokale auftretende Reibungswärme schmilzt der LiteWWeight®-Pin lokal auf und stellt mit dem Kunststoff-Schaum im Inneren des Panels einen festen mechanischen Formschluss dar. Es entsteht eine ausserordentliche Verbindungsqualität, sofern die richtigen Prozessparameter der Ultraschallanregung und Pin-Bewegung vorliegen. Während des gesamten Vorgangs wird der Kraft- und Bewegungsverlauf aufgezeichnet für die Analyse.
Prozessdatenanalyse
Durch die Unregelmässigkeiten der Panels ergeben sich bereits während des MM-Welding Prozesses messbare Unterschiede. Der LiteWWeight®-Pin mit der höchsten Zugfestigkeit zeigt eine andere Kurve, als der LiteWWeight®-Pin mit der kleinsten Zugfestigkeit. Zur Analyse wurden die Daten des Schweissprozesses ausserdem in vier verschiedene Phasen aufgeteilt:
1. Durchstossen der oberen Deckschicht
2. Bewegung durch den nicht gefüllten Teil des Panels
3. Ankommen an der unteren Deckschicht
4. Ausschalten des Ultraschalls, Abkühlvorgang
Aus den erfassten Daten kann so eine ganze Reihe aus Merkmalen extrahiert werden. Die Liste der Merkmale wurde zusätzlich noch mit den Hauptkomponenten der Kraft-, Weg- und Leistungsmessung erweitert. Mittels Feature Selection wurden dann aus dieser Liste die wichtigsten Merkmale zur Vorhersage der Zugfestigkeit herausgesucht.
So konnten einerseits ein Modell zur Vorhersage erstellt und andererseits wichtige Merkmale im Schweissprozess identifiziert werden.
Ausblick
Neben der Verbindungstechnologie MM-Welding® wird der Transfer auf weitere Verbindungstechnologien aus dem Portfolio von MM-Welding angestrebt und untersucht.
Im Rahmen der Zusammenarbeit wird zudem kontinuierlich die Machine Learning Plattform beim Umsetzungspartner weiterentwickelt und mit Daten von der Versuchsanlage an der FHNW unterstützt.