Wie können Unternehmen in Zukunft teure Produktionsausfälle durch Materialverschleiß vermeiden?
In der industriellen Produktion sind Reibung, Materialermüdung und Verschleiß an Bauteilen oft die Ursache für erhebliche wirtschaftliche Verluste. Diese Faktoren zu kontrollieren und den richtigen Zeitpunkt für den Austausch von Komponenten vorherzusagen, ist jedoch eine Herausforderung, da Industrieanlagen unterschiedlich genutzt werden und die Verschleißmechanismen komplex sind.
Dr. Stefanie Hanke, Professorin für Werkstofftechnik an der Universität Duisburg-Essen, hat es sich zur Aufgabe gemacht, diesen Prozess durch den Einsatz von Künstlicher Intelligenz (KI) präziser und vor allem planbarer zu gestalten. In ihrer aktuellen Studie untersucht sie die Abnutzungsmerkmale von Werkstoffen und setzt auf KI, um diese besser klassifizieren und vorhersagen zu können. Traditionelle Modelle stoßen hier oft an ihre Grenzen, weshalb Prof. Hanke neue Wege beschreitet.
Ihre Methode beginnt mit der Datensammlung: Kräfte, die auf Bauteile wirken, werden erfasst und anschließend unter einem Elektronenmikroskop detailliert analysiert. Diese Daten bilden die Grundlage für ein KI-Modell, das darauf trainiert wird, die Beziehung zwischen den wirkenden Kräften und dem resultierenden Verschleiß zu prognostizieren. Neben ihrer Forschung zur Vorhersage von Materialverschleiß ist Prof. Hanke auch an dem Kooperationsprojekt LaufFGL beteiligt, das sich mit der Entwicklung von „intelligenten Metalllegierungen“ beschäftigt. Diese Legierungen, auch als Formgedächtnislegierungen bekannt, können auf Temperaturveränderungen reagieren und haben das Potenzial, beispielsweise in der Luftfahrtbranche, für mehr Sicherheit zu sorgen. Das Ziel des Projekts, das bis 2027 abgeschlossen sein soll, ist die Entwicklung von Schraubverbindungen, die sich auch bei Temperaturänderungen nicht lösen.