Prozessdigitalisierung

Digitale Transformation in der Fertigung – LKR gestaltet den Wandel: Die Digitalisierung industrieller Prozesse eröffnet neue Potenziale für Effizienz, Qualität und Nachhaltigkeit. Am LKR treiben wir diesen Wandel voran, indem wir physikbasierte Simulationen mit fortschrittlichen datengetriebenen Methoden kombinieren. Unser Ziel: komplexe Fertigungsprozesse virtuell modellieren, verstehen und optimieren – schneller und präziser als je zuvor.

• Model Order Reduction – Hochpräzise Modelle in kompakter Form: Hochauflösende Simulationen liefern wertvolle Einblicke, sind jedoch oft rechenintensiv. Mit Methoden der Modellordnungsreduktion (MOR) reduzieren wir komplexe Modelle auf ihre wesentlichen Freiheitsgrade. Das Ergebnis: kompakte, aber hochgenaue Modelle, die sich ideal für schnelle Parameterstudien, Prozessoptimierung und digitale Zwillinge eignen.
• Maschinelles Lernen für Prozesssimulation und –Steuerung: Durch den Einsatz von Algorithmen des maschinellen Lernens erschließen wir neue Möglichkeiten zur Prozessvorhersage und -regelung. KI-gestützte Modelle lernen aus Simulations- und Prozessdaten, erkennen Muster, prognostizieren kritische Zustände und ermöglichen adaptive Steuerungsstrategien.
• Anwendungsbereiche entlang der gesamten Prozesskette: Unsere Methoden finden Anwendung in einer Vielzahl industrieller Prozesse, darunter:
  • Druckgussverfahren (Hoch- und Niederdruckguss, Strangguss)
  • Extrusion
  • Drahtbasiertes Additive Manufacturing
  • Tiefziehen und Umformprozesse

Durch die Kombination physikbasierter Modelle, reduzierter Modellansätze und datengetriebener Methoden schaffen wir die Grundlage für digitale Zwillinge, die eine kontinuierliche Prozessüberwachung und Echtzeitoptimierung ermöglichen.

Erfahren Sie mehr über unsere Forschungsprojekte: Entdecken Sie, wie wir am LKR Simulation, Datenanalyse und KI nutzen, um die Aluminiumproduktion intelligenter, effizienter und zukunftsfähig zu gestalten.

Publikation

Horr, A., Hovden, S. & Kronsteiner, J. (2025). Application of real-time models for multi-scale predictions during material processes. The International Journal of Advanced Manufacturing Technology, 140, 5189–5205. https://doi.org/10.1007/s00170-025-16575-8