Einsatz virtueller Optimierungsmethoden bei der Entwicklung des Druckgussprozesses 05.03.2015 Achim Schroth, MAGMA Gießereitechnologie GmbH
Agenda Technische Schlüsselfaktoren Entwicklungsprozess Virtuelle Optimierungsmethoden Simulationsstrategien im Projektablauf Unterstützung Bauteil- und Prozessentwicklung Die virtuelle Versuchsgießerei Fazit Von der Simulation zur Optimierung Beispiel Pumpendeckel Prozessgrößen - Qualitätskriterien - Ziele die Elemente des virtuellen Versuchsraumes Folie 2
Technische Schlüsselfaktoren für Druckgießereien Konstruktion der Bauteile- Fertigungstechnische Informationen Gießgerechte Gestaltung Prozesse Reproduzierbar, stabil und robust Mögliche Schwankungen gering Reproduzierbarkeit der Qualität Kurze Prozess- und Werkzeugentwicklungszeit Virtuelle Unterstützung bei der Auslegung Folie 3
wird durch den Einsatz von Simulationswerkzeugen nachhaltig unterstützt Funktion Bauteil Leichtbau - Wandstärken Mech. Eigenschaften Topologieoptimierung Gießgerechte Konstruktion Bauteilqualität Maße Gussfehler Oberfläche Kosten Bauteilqualität Simulation Werkzeug Dimensionierung Temperierung Kosten Standzeit Prozess Qualität Produktivität Prozesssicherheit, Robuster Prozess Kosten Prozess Folie 4
Kriterien zur Analyse der Gussfehler im Druckguss stehen zur Verfügung Schwindungsporosität Kaltlauf Porosität Inverse Füllung Auswertekriterien Fraction Liquid Air Entrapment Gasporosität Hotspot Temperatur Spannungen Folie 5
Optimierungsstategien- Modelldetailierung im Projektfortschritt Folie 6
Virtuelle Optimierungsmethoden- Vorgehensweisen und Werkzeuge in der Produkt- und Prozessentwicklung Bauteildesign Schnelle Erstarrungsberechnung vereinfachter Anschnitt Qualitätsplanung Gießtechnik Von der schnellen Simulation zum detaillierten Modell Lastenheft - Machbarkeit- FMEA Füllung mit vereinfachtem Anschnittsystem Opt. detailiertes Angusssystem Druckgussform Berechnung Wärmehaushalt, Formlebensdauer, Entlüftung, Anschnitt, Sprühtechnik Produktion, QS Virtuelle Versuchsgießerei - Statistische Versuchsplanung, automatische Optimierung Virtuelle Optimierungsmethoden Projektfortschritt Folie 7
Lastenheft schnelle Erstarrungsrechnung Funktion des Kreislaufes der Vorwärmung kein Wasseraustritt Deutliche Anzeichen für potenzielle Schwindungsporosität im Bereich der Wasservorwärmung Folie 8
Lastenheft- Abgleich Funktionsanforderungen Kontaktdruck - Entformung Plastische Deformation während Erstarrung Schwindung, Verzug und Toleranzen Folie 9
Virtuelle Machbarkeitsanalyse Anschnittlage und Ausführung - vereinfachter Anschnitt Simulationsmodell Füllzeit Temperatur Geschwindigkeit Turbulenz Folie 10
FMEA - Fehlermöglichkeits- und -einflussanalyse FMEA Risiken erkennen und bewerten Best Case / Worst Case Analyse Prozessrandbedingungen Parameter Best Case Worst Case Simulationsmodell Gießtemperatur 620 C 600 C Kolbengeschwindigkeit 2,5m/s 2m/s Nachdruck 3. Phase 600bar 300bar Sprüh- und Ausblaszeiten Dosierzeit Heiz- u- Kühlkreislauftemperatur Öl 180 C Öl 150 C jeweils um 2 Sekunden verlängert um 2 Sekunden verlängert Folie 11
FMEA - Best Case / Worst Case Analyse Geänderte Kühlungs- und Sprühbedingungen erhöhen das Kaltlaufrisiko drastisch Inverse Füllung zeigt die Auswirkungen der veränderten Gießkurve Folie 12
FMEA - Best Case / Worst Case Analyse Füllzeit zeigt partiellen Einfluss der geänderten Worst Case Prozessbedingungen Reduzierter Nachdruck führt zu deutlich mehr Porositätsanzeigen im Bereich der Drosselklappe Folie 13
Optimierung mit Simulation bisher klassische manuelle Vorgehensweise Optimierung Neue Variante wählen / Modifikation der Prozessvariablen Manuell Analyse und Evaluierung der Qualitätskriterien Ausgangszustand Individuell Simulation / Virtuelles Experiment Basis für Auslegung und Definition der Gussgeometrie, der Werkzeuge und Prozessrandbedingungen Erfahrungswissen erfolgreiche Vorgänger Simulation Optimierung (manual) Folie 14
Virtuelle Optimierungsmethoden- Werkzeuge MAGMA 5.3 Grenzen dieser Vorgehensweise Basis zur Optimierung komplexer Prozesse Wissen um Zusammenhänge zwischen kritischen Parametern Korrelation und Kausalität Magma 5.3 Autonomen Optimierung mit genetischem Lösungsalgorithmus Virtueller Versuchsraum für die virtuelle statistische Versuchsplanung und deren virtueller Durchführung Slide 15
Von der Simulation zur Optimierung Automatisierung virtueller Versuchsdurchführung Ausgangszustand Optimierung Bester Kompromiss Automatische Neue Variante wählen Modifikation / der Prozessvariablen Modifikation der Prozessvariablen Ziele kriterien Prozessvariablen Freiheitsgrade Startdesign Automatische Individuell Simulation/ / Virtuelles Experimente Manuell Automatische Analyse und Analyse und Auswertung Evaluierung messbarer der Qualitäts- Qualitätskriterien Wirtschaftlichkeit Optimierung (manual) Qualität Virtuelle Optimierung Virtueller Versuchsplan (DoE) Folie 16
Automatische Optimierung eines 4-fach DG-Schusses Folie 17
Aufgabenstellung und Zielsetzung Beschreibung der Optimierungsaufgabe Ziel der Optimierung gleichzeitige Füllung der Nester einer Vierfachform Ideale Position der Querschnittsverengung im Hauptlauf identifizieren, Prozessvariablen Zusammenhänge zwischen Geometrie des Angusses Einfluss der Verschiebung des Umschaltpunktes der 2. Phase Beschreibung der Zielsetzung (objectives) MAGMA Qualitätskriteriums Balanced Filling für alle vier Kavitäten Folie 18
Modellierung des Schusses Modellierung der Laufgeometrie in MAGMASOFT mit vollständiger Parametrisierung aller Querschnitte und des Querschnittübergangs Parameter (Design Variable) Verschiebung Querschnitt Minimum Maximum Schrittweite 170 mm 300 mm 10 mm Schrittweiten (Stufen) und Grenzen wurden definiert Folie 19
Prozessgrößen und Qualitätskriterien Definition der Prozessvariablen Höhe der Querschnittsverengung im Hauptlauf. Definition der messbaren Qualitätskriterien für diese DoE Balanced Filling Parameter (Design Variable) Verschiebung Querschnitt Minimum Maximum Schrittweite 170 mm 300 mm 10 mm Definition der Start-Sequenz des virtuellen Versuchsplans (DoE). Es gibt nur eine variable Prozessgröße. Insgesamt 14 Designs Folie 20
Randbedingungen und Ergebnisse Das einfache Ranking Konstante Gießkurve Umschaltpunkt 2. Phase ab Zeitpunkt Gießkammer voll. Bester Versuch Schlechtester Versuch Folie 21
Analyse der virtuellen Experimente Das Streudiagramm Ranking #14 Design 13 Balanced Filling Differenz der Füllzeiten aller Nester Ranking #1 Design 1 Folie 22
Direkter Vergleich Bester und schlechtester Versuch Bester Versuch Schlechtester Versuch Folie 23
Was passiert wenn Untersuchung des Einflusses der Schusskurve Modifikation der Randbedingungen der Schusskurve Bester Versuch Umstellung des konstanten Schussprofils von Schlechtester Versuch Umschaltpunkt 2. Phase ab Gießkammer voll auf Umschaltpunkt 2. Phase Schmelze am Anschnitt. Folie 24
Analyse der virtuellen Experimente Das Streudiagramm Balanced Filling Differenz der Füllzeiten aller Nester Ranking #1 Design 13 Ranking #13 Design 11 Folie 25
Direkter Vergleich Bester und schlechtester Versuch Bester Versuch Schlechtester Versuch Folie 26
Jetzt wollen wir es genau wissen Detaillierte Analyse des Einflusses der Schusskurve 210mm 270mm Parameter (Design Variable) Verschiebung Querschnitt Verschiebung Umschaltpunkt Minimum Maximum Schrittweite 170 mm 300 mm 10 mm 210 mm 270mm 10 mm Der Umschaltpunkt 1te zur 2ten Phase variiert zwischen 210mm bis 270mm in 10mm Schritten. Zwei variable Prozessgrößen. Insgesamt 98 Designs Folie 27
Jetzt wollen wir es genau wissen Detaillierte Analyse des Einflusses der Schusskurve 210m m 270m m Bester Versuch Es ergibt sich wieder eine andere Parameterkombination als bester Versuch Folie 28
Analyse der Prozesskorrelationen Haupteffekte auf Balanced Filling Modifikation der Gießkurve Start Beschleunigung 2. Phase Qualitätskriterium Balanced Filling Verschiebung der Querschnittsverengung im Hauptlauf Je später die Beschleunigung desto schlechter wird die gleichmäßige Füllung der vier Nester Der Einfluss der Position der Querschnittsverengung auf die gleichmäßige Füllung ist relativ gering Folie 29
Direkter Vergleich Bester und schlechtester Versuch Bester Versuch Schlechtester Versuch Design 21: Verschiebung:230mm Umschaltpunkt: 220mm Folie 30
Fazit- Einsatz virtueller Optimierungsmethoden Methodisches Vorgehen begleitet jeden Entwicklungsschritt Von der Simulation zur automatisierten Optimierung In einem so geschaffenen virtuellen Versuchsraum können Korrelationen ermittelt werden. Unterstützt die Suche nach dem optimalen Arbeitspunkt und eines Prozessfensters. Dies bringt uns dem Ziel, reproduzierbare, stabile u. robuste Prozesse zu entwickeln, deutlich näher. Ein großer Beitrag zur Auslegung der Produkte und Prozesse Folie 31
Vielen Dank!