Technische Universität Chemnitz

Steckbrief:

Name des Vorhabens:

Kombination von FEM und Methoden des LCE für nachhaltige Materialauswahl sowie automatisierte, KI-überwachte Preform-Fertigung von FKV "autoPre

Zeitraum:

09.11.2023 – 28.02.2027

Förderfähige Gesamtkosten:

1.493.879 €

EU-Betrag:

896.328 €

Ort:

Chemnitz

Interventions­kategorie:

150 - Unterstützung der tertiären Bildung (mit Ausnahme von Infrastrukturanlagen)

Förderrichtlinie:

02729 - Ausschöpfung der Bildungspotenziale im Hochschulbereich

Fördergegenstand:

9615 - Nachwuchsforschungsgruppen

Spezifisches Ziel:

ESO4.6 - Förderung des gleichberechtigten Zugangs zu hochwertiger und inklusiver allgemeiner und beruflicher Bildung einschließlich des entsprechenden Abschlusses, insbesondere für benachteiligte Gruppen, von der frühkindlichen Betreuung, Bildung und Erziehung über die allgemeine Bildung und die berufliche Aus- und Weiterbildung bis hin zur höheren Bildung und Erwachsenenbildung, sowie Erleichterung der Lernmobilität für alle und der Zugänglichkeit für Menschen mit Behinderungen;

Zweck und Errungenschaft:

Die Nachwuchsforschergruppe autoPre hat zum Ziel, Methoden des Life Cycle Engineering (LCE) und der Finiten Elemente Methode (FEM) zu kombinieren. Dadurch soll eine nachhaltige Materialauswahl getroffen werden und diese mit einem innovativen Prozess im Bauteil realisiert werden. Dazu werden bekannte Verfahren zur Herstellung von Preforms für Faser-Kunststoff-Verbundbauteile hinsichtlich der Automatisierung optimiert und mittels Methoden des Deeplearnings (KI) überwacht. Die Motivation besteht darin, durch eine ganzheitliche Betrachtung der Materialauswahl und Fertigung nachhaltige Produkte zu schaffen und damit deren Carbonfootprint zu reduzieren. Wichtige Schlüssel in diesem Projekt sind dafür die Digitalisierung und Automatisierung des gesamten Prozesses, die Simulation der Bauteileigenschaften und Materialauswahl, Integration von Nachhaltigkeitsaspekten in die Entwicklung, sowie Überwachung und Fehlerkorrektur der Fertigung mittels Deeplearning. Wichtige Bestandteile sind weiterhin der Wissenstransfer und die Vernetzung mit der sächsischen Wirtschaft.

Fonds:

ESF