Auf einen Blick
Bei der Vorentwicklung und Qualifizierung eines Herstellprozesses für die Ariane 6 Serienfertigung setzt MT Aerospace AG die nebumind Software dazu ein, ein schnelleres Verständnis für die prozessrelevanten Einflußfaktoren zu erlangen und die nötigen Versuchsreihen für die Qualifizierung erheblich zu reduzieren. Die Aufbereitung und Visualisierung der Fertigungsdaten in der nebumind Software bieten MT Aerospace die Möglichkeit, neue Erkenntnisse über Einflussgrößen und Zusammenhänge schneller zu erlangen, Fehlversuche früher abzubrechen und die richtigen Prozessparameter schneller zu optimieren. Die Einführung des neuen Prozesses konnte um mindestens 6 Monate verkürzt werden.
customer
–
Dr. Georg Heinrich, Leiter Fertigungsentwicklung, MT Aerospace AG
“Dank der nebumind Software verlief unsere Lernkurve bei der Einführung des neuen Fertigungsprozesses signifikant steil. Entwicklung, Qualifizierung und Einführung konnten erheblich verkürzt werden. Wir wollen daher auch in Zukunft die nebumind Software einsetzen, um Prozessoptimierungen zu vereinfachen und unsere Entwicklung wie auch die Produktion wesentlich agiler zu gestalten.“
PRODUCT & PROCESS
- Metallischer, inkrementeller Umformprozess
- Tanks für Trägerrakete Ariane 6
advantages
- Schnelleres Verständnis für prozessrelevante Einflußfaktoren
- Weniger Iterationen, schneller produktiv
- Flexiblere, agilere Änderungen
Applications
- Datamanagement
- Qualitätsanalyse
- Qualifizierungsunterstützung
Die Herausforderung
Als Tochterunternehmen des Raumfahrt- und Technologiekonzerns OHB SE entwickelt und produziert MT Aerospace unter anderem Schlüsselkomponenten für die europäischen Trägerrakete Ariane 6, unter anderem Komponenten für die Tanks. Metallbleche werden dazu in einem aufwendigen, hochautomatisierten Umformprozess in die gewünschte Form gebracht.
Der aufwendige Umformprozess wurde für die Serienfertigung der Ariane 6 adaptiert. Die Vorentwicklung und Qualifizierung eines neuen Fertigungsprozesses in der Raumfahrt ist höchst aufwendig – sowohl in Bezug auf Zeit, als auch auf Ressourcen. Der Fertigungsprozess wird in einer Testphase evaluiert: Versuche werden durchgeführt, die Ergebnisse werden analysiert, Einstellungen verändert und Zusammenhänge zwischen mehreren Einflussfaktoren untersucht. Daten werden bereits in dieser Phase gesammelt, in Excel-Tabellen aufbereitet und mit eigens programmierten Macros analysiert. Diese Macros stoßen jedoch mit zunehmen Datenmengen an ihre Grenzen und führen später auch zu hohem Aufwand in der Pflege des Tools.
Auch MT Aerospace stand bei der Einführung des neuen Umformprozesses vor dieser Herausforderung und rechnete mit dieser manuellen Herangehensweise mit einer Einführungszeit von mehreren Jahren – Zeit, die zum einen Kapazitäten gebunden hätte und zum anderen dem straffen Zeitplan der Ariane 6 nicht hätte standhalten können.
Die Lösung
Mit dem Versprechen, schnellere Erkenntnisse durch die Aufbereitung und Visualisierung der Fertigungsdaten zu liefern, hat nebumind sowohl die Vorentwicklung als auch die Qualifizierung der neuen Fertigungsanlage begleitet. nebumind unterstützte bereits bei der Anbindung der Roboter und Sensoren und bei der automatisierten Datensammlung. So wurden schon bei den ersten Testläufen der neuen Umformanlage Fertigungsdaten, wie beispielsweise die Maschinengeschwindigkeit, die eingebrachte kinetische Energie und die resultierende Geometrie bzw. Umformung, aufgenommen bzw. berechnet und in der nebumind Software als „digitaler Zwilling“ der gefertigten Komponente visualisiert. Dadurch konnte die eingebrachte kinetische Energie und die resultierende Verformung in Zusammenhang gebracht werden und eine automatisierte Möglichkeit für die Optimierung der Prozessparameter gefunden werden.
Nach der Vorentwicklung spielte die nebumind Software auch bei der Qualifizierung des Prozesses eine zentrale Rolle, um die Stabilität des Prozesses zu analysieren und Nachweise zu führen, ob die Parameter eingehalten werden. Die Parameter werden auch in Zukunft fortlaufend mit der nebumind Software überwacht und so der Prozess stabil gehalten.
Die automatisierte Datenaufnahme, Aufbereitung und strukturierte Bereitstellung ist eine ideale Grundlage für Maschinelles Lernen, die im nächsten Schritt den Prozess fortlaufend optimieren wird.
