Aufgrund der hohen Komplexität werden in der realen Serienproduktion die Prozessparameter hinsichtlich der Produkteigenschaften in der Regel nicht optimiert. Ziel des gemeinsamen Forschungsprojekts ist, die Produktionsanlagen in der Kaltumformung von Blechen durch proaktive Steuerung der Maschinenparameter stabil zu halten. Das angestrebte Lösungskonzept kombiniert datengetriebene statistische (maschinelles Lernen) und prozessgetriebene physikalische Modelle (FEM), um das Verhalten des Umformprozesses abzubilden und damit die Anlagenparameter dynamisch anzupassen.
Das Materialverhalten wird durch FEM-Berechnungen abgeschätzt und mit Maschinenparametern sowie historischen Qualitätsdaten kombiniert. Dadurch können Zusammenhänge über das Verhalten in einem Modell aufgezeigt werden. Auf diese Weise lernt das System, welche Parameterkombinationen trotz schwankender Umgebungsbedingungen (z.B. Beölungsgrad, Geometrie, Rauheit, usw.) zu einem robusten Produktionsprozess führen und wie es Fehler vermeiden kann.
Das Projekt kombiniert die Professuren für Fertigungstechnik sowie Modellierung und Simulation technischer Systeme und Prozesse. Es wird zusammen mit der Firma Selmatec Systems GmbH und Gestamp Automoción S.L. durchgeführt und vom Europäischen Fonds für Regionale Entwicklung gefördert.