Kernthemen:

  • Simulation des elektrischen Antriebsstrangs
  • Analyse realer Fertigungsdaten mit Machine-Learning-Verfahren
  • Datengetriebene selektive Montage in der Produktion elektrischer Traktionsantriebe

Kurzbeschreibung:

Im Bereich der Fertigung und Montage, zum Beispiel von Fahrzeugen, wird klassischerweise der folgende Grundansatz verwendet: Für das hergestellte Endprodukt sowie für dessen einzelne Komponenten sind Soll-Werte und Toleranzen vorgegeben. Sie dienen zur Festlegung der zulässigen Wertebereiche für geometrische Maße, elektrische Eigenschaften, etc. Dementsprechend sind die Fertigungs- sowie Montageprozesse mit ausreichenden Genauigkeiten zu dimensionieren. Hält dennoch ein Endprodukt oder eines der Bauteile nicht alle Toleranzen ein, ist es nachzubearbeiten oder zu entsorgen. Bei den Toleranzvorgaben bleibt die Paarung der Bauteile meistens unbeschränkt. Im Gegenzug werden jedoch die zulässigen Wertebereiche auf die „Worst-Case“-Bauteilkombinationen eingeschränkt.

Sowohl die Sicherstellung ausreichender Prozessgenauigkeiten, als auch das Nachbearbeiten von Bauteilen gehen mit Mehraufwänden einher (z. B. komplexerer Anlagenaufbau, zusätzliche Arbeitsschritte zur Fehlerkorrektur). Bei entsorgten Bauteilen gehen auch deren Prozessfortschritte verloren, alle jeweils schon durchgeführten Fertigungs- und Montagearbeiten sind dann wertlos. Die Mehraufwände bzw. Verluste in der Produktion verschärfen sich durch die festen, für beliebige Bauteilpaarungen ausgelegten Toleranzen.

Das Forschungsprojekt hat zum Ziel, den klassischen Fertigungsansatz um gezielt ausgewählte, dynamische Bauteilkombinationen zu erweitern. Es soll ein selektives Montagekonzept entstehen, welches auf den verfügbaren Produktions- sowie Mess-/Prüfdaten basiert. Ein möglicher Nutzen ist die Toleranzkompensation zwischen den Komponenten eines Endprodukts, ohne die einzelnen Fertigungs- und Montageprozesse zu verändern. Somit wird einerseits eine gleichbleibende Produktqualität unterstützt. Darüber hinaus lässt sich der Anteil an entsorgten Bauteilen verringern. Die Entwicklung des datengetriebenen selektiven Montagekonzepts erfolgt unter Miteinbezug einer existierenden Produktion elektrischer Fahrzeugantriebe. Ein Forschungsfokus liegt auf der Auswertung realer Fertigungsdaten durch Machine Learning-Verfahren. Neben der datengetriebenen Herangehensweise findet eine simulative Untersuchung der Bauteilwechselwirkungen in einem elektrischen Antriebsstrang statt.
 

Ansprechpartner

Leiter des Instituts für Innovative Mobilität (IIMo), Studiengangleiter und -fachberater "Applied Research in Engineering Sciences" (Master)
Prof. Dr.-Ing. Christian Endisch

Tel.: +49 841 9348-3368
Raum: S 426 (Stauffenbergstr. 2a im DK-Gebäude)
E-Mail: els@thi.de