iBain

Intelligent-datengeführtes Prozessdesign für ermüdungsresistente Stahlbauteile am Beispiel bainitischer Mikrostruktur

 

Ziel des beantragten Vorhabens ist die Implementierung und Zusammenführung umfassender Versuchs- und Simulationsdaten in Wissensgraphen, die die Mikrostruk-turbildung in Abhängigkeit von der thermomechanischen Prozessführung und dem re-sultierenden Ermüdungsverhalten am Beispiel bainitischer Stähle erfassen. Eine ein-heitliche Materialontologie soll entwickelt und so die Meta-Daten mittels einer PMD basierten Methodik ausgelesen und verarbeitet werden. Einen Schwerpunkt der Arbei-ten bildet die Entwicklung geeigneter „Data-Mining“ Verfahren, mit denen bereits vor-handene Erkenntnisse experimenteller Daten des IEHK und des IWM tiefergehend in-terpretiert werden sollen. Weiterhin werden multiskalige (teils) Open Source-Simulationen dazu genutzt, experimentell schwer zugängliche Informationen zu rekon-struieren. Es gilt einen automatisierten, digitalen „Workflow“ zu etablieren, der es in einem späteren Schritt industriellen Nutzern ohne tiefes Expertenwissen ermöglicht, eigene Daten in gleicher Weise zu analysieren und zu bewerten (data sovereignty). Hierfür wird ein Künstliches Material-Intelligenz (KMI) System entwickelt, das die auf einer Datenbank abgelegten experimentellen sowie simulativen Daten erfasst, analysiert und strukturiert bereithält. Durch den Einsatz der KMI und strukturierten digitalen Daten soll die Verknüpfung der Prozessparameter - Temperatur, Umformgrad, Ab-schreckrate - mit den resultierenden Mikrostrukturparametern - Größe, Form und Zusammensetzung der Austenitkörner, Ferritlanzetten-/körner und Karbide erfolgen. Die resultierende digitale Repräsentation, der digitale Zwilling, wird eine prädiktive Eigen-schaftsbeschreibung bainitischer Stähle in Abhängigkeit von der Mikrostruktur und den Verarbeitungsprozessen ermöglichen und kann zur Vorhersage optimierter Pro-zessparameter und folglich zur Verbesserung der Materialgüten eingesetzt werden. Hierdurch wird eine direkte Anwendungsrelevanz für die industriellen Partner (siehe LOIs) gewährleistet. Einzelne Arbeitsschwerpunkte sind:

• Etablierung einer Materialontologie für die Materialklasse (bainitische) Stähle mit Einbeziehung der Struktur-Eigenschaftsbeziehungen in Zusammenarbeit mit der Innovationsplattform MaterialDigital.

• Entwicklung von übergreifenden semantischen Strukturen der unterschiedlichen Datenquellen, Simulationsmethoden und Analysenwerkzeugen in Hinblick auf die Einbettung in Materialontologie und digitalen Workflow.

• Etablierung eines Datenbanksystems für die Speicherung und Verwaltung der vorhandenen und anfallenden experimentell und simulativ gewonnenen Daten mit Funktionsintegration zum data-mining und maschinelles Lernen.

• Künstliche Material-Intelligenz gestützte Zusammenführung von Parametern bainitischer Mikrostrukturen mit den jeweils präsenten Prozessparametern (ICAMS, Einbindung Projektpartner Georgsmarienhütte.

• Verifikation und Anpassung einer Simulationsumgebung für Schädigung in bainitischen Stählen im HCF- und VHCF-Bereich ((very) high cycle fatigue.

• Künstliche Material-Intelligenz geführte Zusammenführung von Ermüdungsdaten (Wöhler-Kurven, Lebensdauervorhersagen aus numerischen Modellen) mit den relevanten Mikrostrukturparametern bainitischer Stähle.