RoKtoLas - Robotergeführte, scannerbasierte optische Kohärenztomographie für das Remote-Laserstrahlschweißen zur Flexibilisierung von Prozessketten im Karosseriebau

Anhand eines neuartigen Sensorikkonzepts soll das Remote-Laserstrahlschweißen für den großflächigen Einsatz im automobilen Karosseriebau befähigt werden. Hierzu werden im Rahmen des Verbundprojekts RoKtoLas hochflexible Produktionsanlagen für die Anwendung im Karosseriebau erforscht.

Innovationssprung für den automobilen Karosseriebau

Um die steigende Variantenvielfalt aufgrund der zunehmenden Elektrifizierung sowie die immer schneller werdenden Innovations- und Produktlebenszyklen beherrschen zu können, wird im Rahmen von RoKtoLas ein Innovationssprung im automobilen Karosseriebau angestrebt. Dieser soll durch eine Technologiesubstitution im Bereich der Fügetechnik realisiert werden, wobei das konventionelle Widerstandspunktschweißen durch das Remote-Laserstrahlschweißen ersetzt werden soll.

Im Mittelpunkt des Vorhabens steht eine optische Sensoreinheit, die erstmals eine ganzheitliche und universelle Prozessbeobachtung in Echtzeit ermöglichen wird. Daneben bilden eine angepasste Bauteilkonstruktion sowie eine roboterbasierte Spanntechnologie die Kernbestandteile für den Aufbau hochflexibler Produktionsanlagen im Karosseriebau.

Optische Kohärenztomographie - ein universelles und innovatives Sensorikkonzept für das Remote-Laserstrahlschweißen

Das Sensorsystem auf Basis der optischen Kohärenztomographie (OCT) bildet den Kern des Lösungsansatzes zur Flexibilisierung des automobilen Karosseriebaus. Das OCT-System erlaubt eine umfangreiche Generierung von Prozessdaten im Bereich der Fügezone. Aufgrund des Messprinzips, das auf einem Interferometer-Aufbau basiert, können weitgehend unabhängig von Prozessemissionen die Nahtlage, die Einschweißtiefe sowie die Nahttopographie bestimmt werden. Damit kann sowohl eine dynamische Nahtverfolgung, eine Echtzeit-Prozessregelung sowie eine umfangreiche Qualitätssicherung in einem System vereint werden.

Remote-Laserstrahlschweißen für die flexible Fertigung in der Elektromobilität

Konventionelle Fügeverfahren im Karosseriebau schränken die Bauteilkonstruktion aufgrund der starren Geometrie der verwendeten Spannvorrichtungen stark ein. Das Remote-Laserstrahlschweißen hingegen stellt sehr viel geringere Anforderungen an die Zugänglichkeit der Fügestelle und erlaubt damit eine belastungsgerechtere Bauteilauslegung. Durch eine angepasste Bauteilkonstruktion kann zudem ein vorrichtungsloses Fügen ermöglicht werden. Dazu wird im Rahmen des Projekts eine roboterbasierte Spanntechnologie konzipiert und entwickelt. Die Spannsituation kann auf Grundlage der Daten des optischen Sensors beurteilt und mittels aktiven Greifern angepasst werden. Zur Beherrschung von Toleranzen und einer effizienten Nutzung der Vielzahl an Freiheitsgraden der neuartigen Spanntechnologie soll eine intelligente Bauteilpositionierung durch Methoden des maschinellen Lernens erarbeitet werden.

Zusammenfassend ermöglicht das neue optische Sensorikkonzept eine umfangreiche Prozessdatengenerierung im Sinne der vernetzten Produktion und stellt somit die Voraussetzung für die Umsetzung einer hochflexiblen Fertigung dar. Die gewonnenen Erkenntnisse sollen am Ende des Projekts durch einen Funktionsdemonstrator einer flexiblen Fertigungszelle zusammengeführt werden.

Danksagung

Das vorgestellte Vorhaben wird mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) unter dem Förderkennzeichen 13N14555 gefördert und vom VDI Technologiezentrum (VDI TZ) betreut. Wir danken dem BMBF sowie dem VDI TZ für die gute und vertrauensvolle Zusammenarbeit.

Ausgewählte Publikationen
2020 Numerical weld pool simulation for the accuracy improvement of inline weld depth measurement based on optical coherence tomography. Journal of Laser Applications 32 (2), 2020, 022036. (Details)
  Investigation of the influences of the process parameters on the weld depth in laser beam welding of AA6082 using machine learning methods. Procedia CIRP 94, 2020, 702-707. (Details)
  Correlation analysis between the beam propagation and the vapor capillary geometry by machine learning. Procedia CIRP 94, 2020, 742-747. (Details)
  Real-time prediction of quality characteristics in laser beam welding using optical coherence tomography and machine learning. Journal of Laser Applications 32 (2), 2020, 022046. (Details)
2019 Distortion minimization of laser beam welded components by the use of finite element simulation and Artificial Intelligence. CIRP Journal of Manufacturing Science and Technology 27, 2019, 11-20. (Details)
  Numerical Weld Pool Simulation for the Accuracy Improvement of Inline Weld Depth Measurement Based on Optical Coherence Tomography. In: ICALEO Conference Proceedings 2019. (Details)
  Real-time Prediction of Quality Characteristics Based on Inline Process Data Using Machine Learning. In: ICALEO Conference Proceedings 2019. (Details)
  Kreuzkorrelation von Prozessparametern und der Einschweißtiefe beim Laserstrahlschweißen von Aluminiumlegierungen mittels Methoden des Maschinellen Lernens. In: DVS Congress 2019, 13-21. (Details)
  Real-time Prediction of Quality Characteristics in Laser Beam Welding Using Optical Coherence Tomography and Machine Learning. In: ICALEO Conference Proceedings 2019. (Details)
  A Genetic Algorithm for the Correlation of the Keyhole and the Melt Pool Depth in Laser Beam Welding of AA6082. Wissenschaftliche Gesellschaft für Lasertechnik e.V. (WLT): Proceedings of the Lasers in Manufacturing Conference (LiM) 2019. (Details)
  Holistic sensor concept for process control and quality assurance in laser beam welding based on Optical Coherence Tomography. Wissenschaftliche Gesellschaft für Lasertechnik e.V. (WLT): Proceedings of the Lasers in Manufacturing Conference (LiM) 2019. (Details)
  Inline weld depth measurement for high brilliance laser beam sources using optical coherence tomography. Journal of Laser Applications 31 (2), 2019, 022409. (Details)
  Ganzheitliches Qualitätssicherungskonzept für hochflexible Produktionsanlagen im Karosseriebau der Zukunft: Innovative Sensortechnologie und Datenauswertung mittels Künstlicher Intelligenz als Befähiger für hochflexible Fügetechnologien. Automobiltechnologie in Bayern + e-Car, 2019, 18-21. (Details)
  Holistic Quality Assurance System for Highly Flexible Production Systems in the Body Shop of the Future: Innovative Sensor Technology and Data Evaluation Using Artificial Intelligence as an Enabler for Highly Flexible Joining Technologies. Automotive Technology in Bavaria + e-Car, 2019, 18-21. (Details)
  Process control and quality assurance in remote laser beam welding by optical coherence tomography. Journal of Laser Applications 31 (2), 2019, 022408. (Details)
2018 Inline Weld Depth Measurement for High Brilliance Laser Beam Sources using Optical Coherence Tomography. In: ICALEO Conference Proceedings 2018. (Details)
  Process Control and Quality Assurance in Remote Laser Beam Welding by Optical Coherence Tomography. In: ICALEO Conference Proceedings 2018. (Details)
  Roboterbasierte Spanntechnologie ermöglicht individuelles Fügen: Hochflexibel gefügte Karosserien im Automobilbau der Zukunft (Pressemitteilung, TUM)
  Highly flexible remote laser beam welding for the car body production of the future. In: Automotive Technology in Bavaria + e-Car, 2018. (Details)
  Hochflexibles Remote-Laserstrahlschweißen für den Karosseriebau der Zukunft. In: Automobiltechnologie in Bayern + e-Car, 2018. (Details)
2017 Projektsteckbrief (Photonik Forschung Deutschland)
  Die nächste Stufe für OCT im Remote-Laserstrahlschweißen: Forschungsprojekt Photonik für die flexible, vernetzte Produktion (Pressemeitteilung, Blackbird Robotersysteme)
  Flexibles Remote-Laserstrahlschweißen für den Karosseriebau (Newsletter iwb)
   
Projektdetails
Laufzeit 09/2017 - 08/2020
Projektpartner BMW AG, Blackbird Robotersysteme GmbH, Precitec GmbH & Co. KG, Emil Bucher GmbH, applicationtechnology GmbH & Co. KG, Technische Universität München (Institut für Werkzeugmaschinen und Betriebswissenschaften), Coherent GmbH (Assoziierter Partner)
Förderer Bundesministerium für Bildung und Forschung (BMBF) - Förderinitiative „Photonik für die flexible, vernetzte Produktion – Optische Sensorik“
Projektträger VDI Technologiezentrum