Motivation
In der Photonik, der Medizintechnik, der Halbleiterfertigung, der Photovoltaik und in vielen weiteren Anwendungen werden heute hochkomplexe Optiken eingesetzt, für deren Massenproduktion spezielle Werkzeuge erforderlich sind. Einhergehend mit den wachsenden Produktanforderungen an die optischen Enderzeugnisse wird auch die Herstellung dieser Werkzeuge zunehmend komplexer. In der Fertigungskette dieser Werkzeuge stoßen besonders Prozesse der Ultrapräzisionszerspanung (UP-Zerspanung) aufgrund der steigenden geometrischen Produktanforderungen an ihre Grenzen. Die Auslegung dieser Prozesse gestaltet sich zunehmend aufwändiger und fehleranfälliger, was einen hohen Ressourcenaufwand und auch Ausschuss bei der Herstellung bedingt.
Ziele und Vorgehen
Das Ziel des Vorhabens UP_Ramp-up ist es, die genannten Herausforderungen anzugehen und eine ressourcenschonende, automatisierte KI-Prozessentwicklung zu erreichen. Der Parameterraum soll dabei mithilfe einer prozessintegrierten KI-Lösung optimiert werden, die den regelungs- und steuerungsseitig dem Fertigungsprozess angepassten Parametersatz bereitstellt. Um die Parametrierung effizienter zu optimieren, kommen Reinforcement Learning und Genetische Algorithmen zum Einsatz. Die erforderlichen Daten werden sowohl aus der realen Bauteilfertigung als auch durch die Simulation von Maschinen und Fertigungsprozessen gewonnen. Die Methodik wird in der anspruchsvollen Fertigung von mit Mikrolinsenarrays ausgestatteten Werkzeugen demonstriert. Diese werden z.B. zur Produktion von High-End-LED-Automobilscheinwerfern eingesetzt und sind ein Beispiel für komplexe UP-Prozesse, bei denen funktionale Oberflächen mithilfe von Freiformflächen und integrierten Mikrostrukturen realisiert werden.
Innovationen und Perspektiven
Das Vorhaben leistet einen wichtigen Beitrag zur anwendungsorientierten KI-Forschung am Standort Deutschland und soll dazu beitragen, die Planungs- sowie die Fertigungszeit zur Herstellung von komplexen Werkzeugen erheblich zu verkürzen, den Optimierungsprozess durch automatisierte Informationsaufbereitung und datengetriebene Modellierung autonom zu gestalten und somit eine ressourcenschonende Einzelteilproduktion zu realisieren. Zugleich trägt die angestrebte Lösung zum technologischen Vorsprung in der wichtigen Domäne der Ultrapräzisionstechnik bei und besitzt das Potenzial, auf vergleichbare Optimierungsfragestellungen in weiteren produktionstechnischen Bereichen, z.B. auf Laserprozesse, generative Fertigungsverfahren und Leichtbauprozesse, übertragen zu werden.