In industriellen Tiefziehprozessen treten stochastische Schwankungen und Störungen der Fertigungsbedingungen auf, wodurch sich die Produkteigenschaften unkontrolliert verschlechtern können. Die Widerstandsfähigkeiten gegenüber diesen negativen Einflüssen wird als Robustheit bezeichnet. Die Robustheit beim Tiefziehen wird zunehmend durch in die Pressenlinie integrierte Sensoren beurteilt. Hierbei fallen umfangreiche Datenmengen an, die sich für den Einsatz von maschinellem Lernen zur Analyse der komplexen Wechselwirkungen anbieten. Die Erklärbarkeit der datengetriebenen Modelle gewinnt dabei zunehmend an Relevanz.

Mit dem zuvor beschriebenen Hintergrund liegt das Ziel des Forschungsvorhabens darauf, die Auswirkungen von stochastischen Schwankungen und Störungen auf die Produktqualität erklärbar über datengetriebene Modelle zu beschreiben. Der wissenschaftliche Ansatz beruht darauf, dass die Ziehrandlänge der ersten Umformstufe als aussagekräftiges Qualitätsmerkmal genutzt werden kann. Als messtechnische Lösung wird ein Kamerasystem zur berührungslosen Erfassung der Ziehrandlänge eingesetzt. Das Forschungsprojekt gliedert sich für den beantragten Zeitraum in zwei Stufen. Die erste Stufe befasst sich damit, einen grundsätzlichen Modellierungsansatz anhand eines Kreuznapfwerkzeugs zu entwickeln. Dazu werden die Trainingsdaten durch experimentelle und numerische Untersuchungen erzeugt. In der zweiten Stufe wird dieser Modellierungsansatz unter der Verwendung von Prozessdaten aus dem getakteten Dauerhub auf industrielle Geometrien übertragen. Am Ende des Forschungsprojekts wird schließlich ein einheitliches Erklärungsmodell abgeleitet. Es wird die Hypothese verfolgt, dass die Transformation der absoluten Prozesswerte in relative Daten eine Vergleichbarkeit zwischen den verschiedenen Geometrien begünstigt. Der Zweck dieses Modell soll die Bestimmung der Prozessrobustheit bei der Wirkflächenauslegung von Tiefziehwerkzeugen sein.