Digital Solutions for Polymer Science

Als Brücke zwischen Forschung und Industrie befindet sich das PCCL in einer einzigartigen Position. Durch unsere Brückenfunktion zwischen Forschung und Industrie sind wir in der Lage, sowohl traditionelle als auch modernste Robotik-Technologien aus der Forschung in die Industrie zu übertragen. Das gilt insbesondere für unsere einzigartige Kompetenz im Bereich der Hochgeschwindigkeitsprüfung von 3D-Bauteilen.

Die automatisierte Oberflächeninspektion von 3D-Freiformbauteilen erfordert präzise und effiziente roboterbasierte Automatisierungslösungen. Durch die Kombination von modernster Forschung und industrieller Anwendbarkeit bieten wir am PCCL die geeignetste Lösung für die Inspektion jedes spezifischen 3D-Bauteils. Dies umfasst die Auswahl der Hardware (z. B. Roboter, optische Geräte), die Softwareentwicklung sowie die Erstellung und Optimierung des effizienten Roboterscans und die präzise Auswertung von detektierten Defekten. All diese Schritte werden in enger Zusammenarbeit mit den Projektpartnern aus der Industrie durchgeführt. Dabei werden alle Projektanforderungen, wie z.B. die Produktionszykluszeiten, berücksichtigt.

Als Projektpartner einiger großer Hersteller sind wir uns der Bedeutung von Flexibilität und Zuverlässigkeit eines Bildverarbeitungs- und Prüfsystems bewusst. Eines der Hauptziele des PCCL ist daher die Bereitstellung einer Lösung zur automatischen Optimierung und Anpassung des Robotersystems an neue 3D-Komponenten und Änderungen während der Produktion. Auf diese Weise kann ein Roboter mit minimaler menschlicher Supervision seinen Acan-Pfad erzeugen und optimieren, um visuelle Daten von der Oberfläche eines Freiformteils zu erhalten, wobei alle Anforderungen der Aufgabe berücksichtigt werden.

Die Auswertung erfolgt auf der Basis von neuester Forschung im Bereich des Deep Learnings, wobei Gutanomalien von tatsächlichen Defekten unterschieden werden um den Ausschuss von Defekten Bauteilen deutlich zu verringern.

Downloads & Weiterführende Links 

Broschüre “Measuring the Visible”

Menschen sind hervorragend darin, die haptischen Eigenschaften von Oberflächen zu erfühlen und wahrzunehmen. In diesem Zusammenhang können Roboter vom Menschen lernen. Am PCCL entwickeln wir intelligente Messsysteme, welche die Grenzen des menschlichen Tastsinns überwinden.

In industriellen Anwendungen wird die Charakterisierung der taktilen Wirkung von Oberflächen hinsichtlich Eigenschaften wie wahrgenommene Reibung, Rauheit oder Härte immer noch größtenteils manuell durchgeführt oder oft ganz weggelassen. Dies ist in erster Linie auf die Herausforderungen zurückzuführen, denen Menschen bei der Erstellung objektiver, konsistenter und reproduzierbarer Bewertungen gegenüberstehen, sowie auf das Fehlen geeigneter automatisierter Prüfmöglichkeiten.

Die Entwicklung und Bereitstellung von automatisierten Systemen, die quantitative, standardisierte Ergebnisse zu haptischen Oberflächeneffekten liefern, ist unser vorrangiges Ziel. Diese Prüfsysteme ermöglichen eine Inline-Qualitätskontrolle, d.h. die Erkennung von haptischen Oberflächendefekten (z. B. Grate, Schnitte, Knicke) und sie unterstützen datengestützte Entscheidungen entlang der gesamten Wertschöpfungskette.

Am PCCL entwickeln wir intelligente Messsysteme, die die Grenzen des menschlichen Tastsinns überwinden. Diese Systeme liefern in kurzer Zeit genaue, reproduzierbare Beurteilungen von taktilen Oberflächeneigenschaften, insbesondere dort, wo die subjektive Wahrnehmung an ihre Grenzen stößt.

In Zusammenarbeit mit Partnern aus der Industrie entwickeln wir die Prüfstrategien kontinuierlich weiter, um den realen Anforderungen in der Produktion auch z.B. bei komplexen Bauteilgeometrien und Materialverbünden gerecht zu werden. Dazu gehören Fähigkeiten zur Handhabung komplexer Freiformflächen, die Optimierung von robotergestützten Explorationsbewegungen und die Verkürzung von Prüfzeiten - alles mit dem Ziel, die praktische Nutzbarkeit in industriellen Anwendungen weiter zu verbessern.

Downloads & Weiterführende Links 

Broschüre “Haptic Research”

Die präzise Beschreibung des Materialverhaltens ist eine zentrale Voraussetzung für zuverlässige Simulationen und die virtuelle Entwicklung moderner polymerbasierter Bauteile. Polymere Materialien zeigen komplexe, nichtlineare und zeitabhängige Eigenschaften, die stark von Fertigungsprozessen, Umgebungsbedingungen und Belastungsszenarien beeinflusst werden.

Am PCCL werden experimentelle Materialcharakterisierung und numerische Modellierung eng miteinander verknüpft. Die Simulationsziele definieren dabei gezielt den Bedarf an Materialdaten, während experimentelle Untersuchungen zur Entwicklung und Kalibrierung physikbasierter Materialmodelle eingesetzt werden. Dieser simulationsgetriebene Ansatz ermöglicht eine effiziente und anwendungsnahe Beschreibung des Materialverhaltens.

Ein besonderer Fokus liegt dabei auch auf der Charakterisierung und Modellierung von Schädigungs- und Versagensmechanismen. Neben klassischen Materialkennwerten werden daher gezielt Fracture- und Damage-Eigenschaften bestimmt und in geeignete Materialmodelle integriert. Dadurch können Rissinitiierung, Delamination, progressive Schädigung sowie alterungs- und belastungsabhängige Degradation realitätsnah beschrieben werden.

Der Fokus liegt insbesondere auf:

• nichtlinearem Materialverhalten
• viskoelastischen und viskoplastischen Eigenschaften
• prozessabhängigem Materialverhalten
• anisotropen und orthotropen Materialmodellen
• Fracture- und Damage-Modellierung
• Multimaterial- und Verbundwerkstoffen
• alterungs- und degradationsbedingtem Materialverhalten

Durch die enge Verknüpfung von Materialcharakterisierung, Modellentwicklung und Simulation wird eine durchgängige virtuelle Produktentwicklung ermöglicht — von der Materialebene bis zum Bauteilverhalten. Diese Methodik reduziert Entwicklungszeiten, verbessert die Vorhersagegenauigkeit und unterstützt die Entwicklung zuverlässiger polymerbasierter Komponenten.

Moderne polymerbasierte Materialien und Multimaterialsysteme sind während der Fertigung und des Betriebs unterschiedlichen physikalischen Belastungen ausgesetzt. Die Wechselwirkungen zwischen Materialverhalten, Prozessbedingungen und Betriebsbelastungen bestimmen maßgeblich die Performance und Zuverlässigkeit der Bauteile.

Am PCCL werden multiphysikalische und multiskalare Simulationsmethoden entwickelt, um diese komplexen Zusammenhänge realitätsnah abzubilden. Dabei werden gekoppelte Simulationen eingesetzt, um Wechselwirkungen zwischen verschiedenen physikalischen Effekten sowie zwischen unterschiedlichen Skalen zu berücksichtigen.

Der Fokus liegt insbesondere auf:

• gekoppelten thermo-mechanischen Simulationen
• aushärtegradabhängigem Materialverhalten
• hygro-thermo-mechanischem Materialverhalten
• prozessinduzierten Spannungen und Verformungen
• Multimaterial- und Interface-Effekten
• Multi-Scale-Simulation von der Material- bis zur Systemebene

Diese multiphysikalischen und multiskalaren Ansätze ermöglichen eine realitätsnahe Bewertung komplexer Materialien und Bauteile sowie eine verbesserte Vorhersage von Performance und Zuverlässigkeit. Durch die Kombination verschiedener Skalen und physikalischer Effekte können lokale Phänomene ebenso berücksichtigt werden wie das globale Bauteilverhalten.

Die Performance polymerbasierter Bauteile wird maßgeblich durch Fertigungsprozesse und Materialzustände bestimmt. Prozessinduzierte Effekte wie Eigenspannungen, Verformungen oder lokale Materialänderungen beeinflussen das Bauteilverhalten und die Lebensdauer entscheidend.

Am PCCL werden durchgängige Simulationsmethoden entwickelt, die Fertigungsprozesse und Bauteilverhalten miteinander verknüpfen. Dabei werden Prozesssimulation, Strukturmechanik und Zuverlässigkeitsbewertung kombiniert, um den Einfluss von Herstellungsprozessen auf die spätere Performance systematisch zu analysieren.

Automatisierte Simulationsworkflows ermöglichen umfangreiche Parameterstudien und Sensitivitätsanalysen, um kritische Einflussgrößen zu identifizieren und gezielt zu optimieren. Ergänzend zu etablierten deterministischen Optimierungsansätzen werden zunehmend Machine-Learning- und datengetriebene Methoden eingesetzt, um rechenintensive Simulationen durch Surrogatmodelle zu ersetzen oder zu ergänzen. Dadurch können groß angelegte Parameterstudien, beschleunigte Designoptimierungen sowie probabilistische Zuverlässigkeitsanalysen effizient durchgeführt werden.

Der Fokus liegt insbesondere auf:

• Simulation von Fertigungsprozessen
• Analyse von Prozess-zu-Performance-Zusammenhängen
• Sensitivitätsanalysen und Designoptimierung
• automatisierten Simulationsworkflows
• Machine-Learning-basiertem Surrogate Modeling
• datengetriebener Optimierung

Diese durchgängige und datengetriebene Optimierung ermöglicht eine gezielte Verbesserung von Materialien, Designs und Fertigungsprozessen sowie eine deutliche Reduktion von Entwicklungszeiten und Prototypenaufwand.

Durch die Kombination aus physikbasierter Modellierung, automatisierten Simulationsmethoden und anwendungsnaher Validierung werden reale Entwicklungsaufgaben effizient adressiert.

Typische Anwendungsfelder umfassen:

• Mikroelektronik
• Batteriesysteme und Energiespeicher
• Photovoltaik-Module und Komponenten
• polymerbasierte Medizintechnik

Ein besonderer Schwerpunkt liegt auf der Automatisierung von Simulationsroutinen und der Entwicklung parametrisierter Modelle. Dadurch können Variantenstudien, Sensitivitätsanalysen und Designoptimierungen effizient durchgeführt werden.

Diese anwendungsspezifischen Simulationslösungen ermöglichen eine direkte industrielle Umsetzung, verkürzen Entwicklungszyklen und tragen zur Entwicklung leistungsfähiger und zuverlässiger polymerbasierter Produkte bei.