KIKoSA


Projektbeschreibung

Im Zuge der Serienfertigung automobiler Traktionsantriebe rücken Statoren in Hairpin-Technologie zusehends in den Fokus. Aufgrund der hohen Anzahl an Kontaktstellen nimmt das laserbasierte Kontaktieren der Hairpin-Enden eine Schlüsselrolle in der Hairpin-Statorproduktion ein. Um einen stabilen Laserschweißprozess zu realisieren, müssen zum einen sämtliche Einflussgrößen innerhalb des Laserschweißprozesses selbst bekannt sein. Zum anderen sind die teils signifikanten Wechselwirkungen mit vorgelagerten Prozessschritten zu berücksichtigen, deren Abweichungen sich nachteilig auf das Schweißergebnis auswirken können. Da die Hairpin-Statorproduktion demnach von einer Überlagerung zahlreicher nichtlinearer Effekte geprägt ist, stoßen klassische Verfahren bei der Abbildung der Wirkzusammenhänge an ihre Grenzen. Weiterhin existiert bisweilen kein schnelles, kostengünstiges Prüfverfahren, mit dem sich die Qualität einer jeden Schweißverbindung, etwa die Größe- und Anzahl an Poren, inline überwachen lässt.

In diesem Zuge rücken datengetriebene Ansätze, welche sich der Methoden der Künstlichen Intelligenz (KI) bedienen, in den Fokus. Ziel dieses Vorhabens ist es daher zu untersuchen, inwiefern sich mittels KI die Qualität der Schweißverbindungen auf Basis von bestehenden Material- und Prozessdaten sowie einfach zu integrierender Sensorik überwachen lässt. Die forcierte KI-Lösung soll es zudem erlauben, Abweichungen in vorgelagerten Prozessschritten frühzeitig zu erkennen und durch eine intelligente Anpassung des Laserschweißprozesses zu kompensieren. Damit trägt das Projekt wesentlich dazu bei, die Effizienz in der Produktion von elektrischen Antrieben für Elektrofahrzeuge zu erhöhen.