Schaumcharakterisierung an TSG-Bauteilen mittels KI-unterstützter Bruchflächenanalyse

Ziel des Projektes ist die Entwicklung eines Verfahrens zur Charakterisierung und Kategorisierung von verschiedenen Schaumstrukturen unter Verwendung eines Moduls für künstliche Intelligenz. Dabei werden Methoden des maschinellen Lernens genutzt, um aus gesammelten Messdaten einen Zusammenhang zu definierten Qualitätsgrößen wie z.B. Blasengröße, -verteilung und -form in einem Modell abzubilden. Mit Hilfe des entstandenen Modells erfolgt eine automatische Kategorisierung der Formteile nach den vorgegebenen Qualitätskriterien.

Das thermoplastische Schaumspritzgießen (TSG) ist ein etabliertes Verfahren zur Herstellung von kostengünstigen Leichtbauteilen für die Großserie. Im
Gegensatz zu Extrusionsschäumen können verfahrensbedingt verschiedene Fehlerbilder auftreten. Typische Fehlerarten sind unzureichende Schaumbildung, die Bildung großer Hohlräume oder Blasenebenen oder Abweichungen von der Kugelform wie etwa in Fließrichtung oval oder tropfenförmig verzogene Blasen. Je nach Ausprägung können die Folgen zu einer mechanischen Beeinträchtigung bis hin zum Bauteilversagen führen. Klassische Methoden der  Charakterisierung wie Dünnschliff, Mikroskopie und Computertomografie erfordern Qualifikationen, Zeit- und Arbeitsaufwand und sind zur fertigungsbegleitenden Qualitätskontrolle ungeeignet.

Ziel ist es, eine schnelle, einfache und automatisierte Bruchflächencharakterisierung für die Qualitätssicherung zu entwickeln. Die Probenpräparation soll dabei auf ein Minimum reduziert werden.

Laufzeit: 11/2019 - 04/2022

Kontakt

Annerose Hüttl
+49 341 4941-607
huettlnoSpam@kuz-leipzig.de