WO2004102291A1 - Auslegung von werkzeugen und prozessen für die umformtechnik - Google Patents

Auslegung von werkzeugen und prozessen für die umformtechnik Download PDF

Info

Publication number
WO2004102291A1
WO2004102291A1 PCT/CH2004/000297 CH2004000297W WO2004102291A1 WO 2004102291 A1 WO2004102291 A1 WO 2004102291A1 CH 2004000297 W CH2004000297 W CH 2004000297W WO 2004102291 A1 WO2004102291 A1 WO 2004102291A1
Authority
WO
WIPO (PCT)
Prior art keywords
parameters
raw data
simulation
performance variables
statistical
Prior art date
Application number
PCT/CH2004/000297
Other languages
English (en)
French (fr)
Inventor
Waldemar Kubli
Titus Zwickl
Oliver BRÜHL
Original Assignee
Autoform Engineering Gmbh
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Autoform Engineering Gmbh filed Critical Autoform Engineering Gmbh
Priority to JP2006529533A priority Critical patent/JP4852420B2/ja
Priority to DE502004005362T priority patent/DE502004005362D1/de
Priority to EP04732915A priority patent/EP1623287B1/de
Priority to US10/556,920 priority patent/US8280708B2/en
Publication of WO2004102291A1 publication Critical patent/WO2004102291A1/de

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06G—ANALOGUE COMPUTERS
    • G06G7/00—Devices in which the computing operation is performed by varying electric or magnetic quantities
    • G06G7/48—Analogue computers for specific processes, systems or devices, e.g. simulators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4069—Simulating machining process on screen
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4097—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by using design data to control NC machines, e.g. CAD/CAM
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32169—Stochastic pn, spn
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35017—Finite elements analysis, finite elements method FEM
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35019—From product constraints select optimum process out of plurality of DTM means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/36—Nc in input of data, input key till input tape
    • G05B2219/36252—Generate machining program based on a simulation to optimize a machine parameter
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50144—Machine tool, machine tool null till machine tool work handling offline setup by simulation of process, during machining, forming of other piece

Definitions

  • the invention relates to the field of the design of tools and / or processes for metal forming. It relates to a method, a data processing system and a computer program for designing tools and processes for the production of formed parts according to the preamble of the independent claims, and to a data carrier.
  • Formed parts in particular sheet metal parts, are usually produced by deep drawing.
  • the semi-finished products so-called sheet metal blanks, are placed in multi-part forming tools for this purpose.
  • the parts are shaped using presses in which the forming tools are clamped.
  • the parts are usually made from a flat sheet metal plate using several forming steps such as drawing, looking up, adjusting, etc. combined with trimming steps.
  • CAD / CAE Computer aided design / Computer aided engineering
  • forming tools e.g. stamps, dies and sheet metal holders
  • forming processes e.g. tool forces, drawing strips, lubrication, shape and material for the sheet metal blank.
  • Simulation parameters describe on the one hand a geometry of the tools used in the forming process, and on the other hand process parameters.
  • different forming parameters such as lubrication, machining forces etc., and also material parameters such as sheet metal shape, thickness, material properties, rolling direction etc. are considered as process parameters.
  • the simulation programs generate one Description of the geometry of a sheet after forming and the distribution of associated state variables such as strains and stresses in the formed sheet. At the same time, they calculate certain characteristic parameters, called performance variables, which express the quality of the product.
  • Design parameters are controllable simulation parameters like the geometry of the tools.
  • Interference parameters are non-controllable simulation parameters such as variations in the sheet thickness and material properties of a sheet.
  • FIG. 1 schematically shows a data flow in the design of forming tools and of forming processes according to the prior art: performance variables 7 are defined together with a model generation 1. Simulation parameters d, n from model generation 1 are fed to a simulator 5, which calculates raw data r and performance variables p for varying simulation parameters d, n. The raw data r are visualized in a representation of the raw data 12 on a 3D model of the shaped part in a color contour representation. From the Performance variables p are calculated in a statistical evaluation 9 characteristic values Cp of the performance variables p. Together with the design and fault parameters, the performance variables and the characteristic values Cp are typically represented in diagrams, for example in scatter plots, histograms, correlation diagrams, etc.
  • raw data are stored in every calculation point of the simulation model.
  • the calculation points are usually integration points and nodes of a finite element (FE) model.
  • the raw data are direct results of the simulation of the forming process. For example, they describe the geometry of the formed part, distribution of the sheet thickness, strains or stresses in the formed material, distribution of crack criteria, displacement distribution due to springback after removal from the tool, etc.
  • the raw data therefore describe local sizes for a large number of points in the simulation model, preferably for all points of the simulation model.
  • the simulation is, for example, an exact incremental simulation of the entire forming process, or a simple estimate of the formability, for example based on a one-step process.
  • the simulation is repeated, starting from nominal simulation parameters, for simulation parameters slightly varied by these, and the raw data generated are in turn stored. In this way, several sets of raw data are calculated.
  • the computing time for the large number of simulation runs required is from several hours to days.
  • Corresponding performance variables are calculated for each set of raw data from these stored raw data.
  • the raw data of the individual simulations are assigned to one another, for example by assigning spatially identical or closest computing points to one another.
  • the evaluation therefore preferably relates to fixed points (in contrast to fixed points).
  • any, for example adaptively adapted, computational grids that represent the same object in different simulation runs can be related to one another, or spatially fixed points from different simulations can be assigned to one another.
  • One of the Simulations are selected as the reference simulation to which the other simulations relate.
  • Performance variables characterize certain properties of interest of the formed part and performance variables allow an assessment of the quality of the part or the forming process.
  • Performance variables preferably relate to individual points or to individual areas of the part, each with a predetermined spatial extent.
  • a performance variable characterizes an extreme value or an average value of a given model property or of raw data within such a range.
  • Performance variables describe, for example, a maximum sheet thinning in a certain area of the sheet that is at risk of cracking, a minimal extension in a certain less shaped area of the sheet, a maximum displacement due to springback in the area of a part flange, a required punch force, etc.
  • the stored raw data are now also statistically evaluated.
  • the raw data of the individual simulations are assigned to each other in each calculation point, e.g. as mentioned above via minimal spatial distances, and statistical characteristic values of the raw data are determined, such as mean values, scattering, sensitivities, correlations, etc.
  • Certain of these characteristic values are visualized in a 3D -Models of the formed part superimposed. This is done, for example, in a color contour display by coloring the model in every point of the part or its surface Determination of one or more of the statistical parameters in this point.
  • process capability parameters such as Cp and Cpk values according to DIN 55319 can also be displayed directly on the geometry using color contours.
  • the characteristic values can also be displayed superimposed on a 3D model of another object involved in the forming process, for example the geometry of a part before the forming, or the tool geometry.
  • a 3D model of another object involved in the forming process for example the geometry of a part before the forming, or the tool geometry.
  • the colored representation of a scattering measure of the sheet thickness in the formed part can immediately identify whether and where there are zones that are not very robust to fluctuations in the design and interference parameters; it can even be shown in color on the geometry as a statistical quantity, for example the percentage frequency with which a given minimum thickness is locally fallen short of, which allows the simple and immediate identification of areas which no longer meet certain manufacturing tolerances. If, for example, a statistical measure of the correlation or the sensitivity of the sheet thickness to a design parameter is shown in color on the entire geometry, it can be recognized immediately whether desired improvements can be achieved at the critical points with this design parameter and which other zones as a result still, possibly negatively, would be influenced.
  • Design parameters are controllable simulation parameters like the geometry of the tools.
  • Interference parameters are non-controllable simulation parameters such as variations in the sheet thickness and material properties of a sheet.
  • FIG. 1 schematically shows a data flow in the design of forming tools and of forming processes according to the prior art: performance variables 7 are defined together with a model generation 1. Simulation parameters d, n from model generation 1 are fed to a simulator 5, which calculates raw data r and performance variables p for varying simulation parameters d, n. The raw data r are visualized in a representation of the raw data 12 on a 3D model of the shaped part in a color contour representation. From the - 3 -
  • Performance variables p are calculated in a statistical evaluation 9 characteristic values Cp of the performance variables p. Together with the design and fault parameters, the performance variables and the characteristic values Cp are typically shown in diagrams, e.g. in scatter plots, histograms, correlation diagrams etc.
  • the calculation points are usually integration points and nodes of a finite element (FE) model.
  • the raw data are direct results of the simulation of the forming process. For example, they describe the geometry of the formed part, distribution of the sheet thickness, strains or stresses in the formed material, distribution of crack criteria, displacement distribution due to springback after removal from the tool, etc.
  • the raw data therefore describe local sizes for a large number of points in the simulation model, preferably for all points of the simulation model.
  • the simulation is, for example, an exact incremental simulation of the entire forming process, or a simple estimate of the formability, based on e.g. on a one step process.
  • the simulation is repeated, starting from nominal simulation parameters, for simulation parameters slightly varied by these, and the raw data generated are in turn stored. In this way, several sets of raw data are calculated.
  • the computing time for the large number of simulation runs required is from several hours to days.
  • Corresponding performance variables are calculated for each set of raw data from these stored raw data.
  • the raw data of the individual simulations are assigned to one another, for example by assigning spatially identical or closest computing points to one another.
  • the evaluation therefore preferably relates to fixed points (in contrast to fixed points).
  • any, for example adaptively adapted, computational grids that represent the same object in different simulation runs can be related to one another, or spatially fixed points from different simulations can be assigned to one another.
  • Simulations are selected as the reference simulation to which the other simulations relate.
  • Performance variables characterize certain properties of interest of the formed part and performance variables allow an assessment of the quality of the part or the forming process.
  • Performance variables preferably relate to individual points or to individual areas of the part, each with a predetermined spatial extent.
  • a performance variable characterizes an extreme value or an average value of a given model property or of raw data within such a range.
  • Performance variables describe, for example, a maximum sheet thinning in a certain area of the sheet that is at risk of cracking, a minimal extension in a certain less shaped area of the sheet, a maximum displacement due to springback in the area of a part flange, a required punch force, etc.
  • the stored raw data are now also statistically evaluated.
  • the raw data of the individual simulations are assigned to each other in each calculation point, e.g. as mentioned above via minimal spatial distances, and statistical characteristic values of the raw data are determined, such as mean values, scattering, sensitivities, correlations, etc. Certain of these characteristic values are visualized in a 3D -Models of the formed part superimposed. This is done, for example, in a color contour display by coloring the model in every point of the part or its surface - 6 -
  • process capability parameters such as Cp and Cpk values according to DIN 55319 can also be displayed directly on the geometry using color contours.
  • the characteristic values can also be displayed superimposed on a 3D model of another object involved in the forming process, for example the geometry of a part before the forming, or the tool geometry. This makes the evaluation of the stochastic analysis much clearer and easier. For example, scatter and thus the robustness of individual target variables are immediately recognizable and localizable. As a result, the zones of influence of individual parameters are immediately clearly visible.
  • the colored representation of a scattering measure of the sheet thickness in the formed part can immediately identify whether and where there are zones that are not very robust to fluctuations in the design and interference parameters; it can even be shown in color on the geometry as a statistical quantity, for example the percentage frequency with which a given minimum thickness is locally fallen short of, which allows the simple and immediate identification of areas which no longer meet certain manufacturing tolerances. If, for example, a statistical measure of the correlation or the sensitivity of the sheet thickness to a design parameter is shown in color on the entire geometry, it can be recognized immediately whether desired improvements can be achieved at the critical points with this design parameter and which other zones as a result still, possibly negatively, would be influenced.
  • the performance variables are calculated in an interactive method and displayed to a user.
  • a user selects a point or area of a representation of a deformed part with a pointing means such as a computer mouse.
  • a performance variable such as e.g. defines a local minimum thickness.
  • Other performance variables include a thickness histogram or sensitivity to one or more design parameters.
  • Corresponding statistical characteristic values are calculated from the definition and displayed graphically on the basis of the stored raw data. For example, a bar chart of the type of a "box plot" that is also moved with a mouse arrow or arranged in a specific screen area shows the material thickness of the nominal solution together with the simulated variation of the material thicknesses for the currently selected point. Or a sensitivity of a parameter at the current point with regard to several design parameters is shown in a cake diagram, for example.
  • Subset of sets of raw data creates a boundary shape change graph and displayed to a user. It shows strain states for individual calculation points in a two-dimensional representation by points. For the set of calculation points of a set of raw data r results in a point cloud that gives an overview of the strain on the part. A limit shape change curve is drawn in the same representation. It delimits an area in which material expansion leads to tearing. As an extension of the boundary shape change diagram, the point clouds of several sets of raw data are shown superimposed on one another. This shows how the probability of a material crack behaves when the simulation parameters are varied. Instead of point clouds, these point clouds characterizing visual features can also be generated and displayed, for example main axes of an ellipse approximating a point cloud.
  • the frequency of individual regions of the combined point clouds is preferably made visible by a three-dimensional representation or a color representation, for example by plotting the frequency in the third dimension in a histogram-like manner.
  • the corresponding nominal point and / or the corresponding statistically distributed point cloud is visually highlighted in the boundary shape change diagram, for example by changing the point color or brightness. Conversely, after selecting an area in the boundary shape change diagram, the corresponding areas on the formed part can be visually highlighted.
  • the new performance variable or a modified performance variable does not now have to be determined in a complete stochastic analysis with a large number of simulation runs. Instead, the new performance variable is calculated repeatedly from each of the stored multiple sets of raw data.
  • the multiple performance variable values of the performance variables obtained in this way are statistically analyzed and optionally displayed graphically. It is therefore possible to define varying and new performance variables very quickly and to calculate their values without having to repeat the complex simulations of the forming process.
  • the design process therefore consists of two separate iteration loops:
  • stochastic simulations are carried out using iteratively improved models and raw data are calculated.
  • the raw data are analyzed in a faster iteration loop and the performance variables for characterizing the model under review are iteratively improved. Thanks to the existence of the faster iteration loop, weaknesses in the design can be found more quickly on the one hand, and critical points can be examined in a targeted manner thanks to the quick adjustment options and recalculation of the performance variables. For example, in a material area in which no problems were expected at the beginning of the design, it could be determined during the analysis of the raw data that the thickness fluctuates greatly between some simulations.
  • the minimum thickness in this area as a performance variable and calculating its scatter, it can now be immediately assessed whether this fluctuation is still within the given manufacturing tolerances. If not, that is, if, for example, the thickness falls below a lower thickness limit by evaluating the correlation of these performance variables with the design parameters, for example the - 10 -
  • individual further sets of raw data which were not explicitly calculated in one of the repeated simulation runs, are determined from the raw data by interpolation.
  • the stochastic analysis shows that a solution based on a certain combination of parameters could be of interest.
  • the entire corresponding solution that is to say geometry and material state after the forming, is determined by interpolation from the stored sets of raw data. In this way, a specific parameter set or the corresponding solution can be checked very quickly with little computing effort. It is no longer necessary to wait for a test evaluation for hours.
  • the data processing system for designing tools and processes for the production of shaped parts has storage means with computer program code means stored therein which describe a computer program and data processing means for executing the computer program, the execution of the computer program leading to the implementation of the method according to the invention. - 11 -
  • the computer program for designing tools and processes for the production of shaped parts according to the invention can be loaded into an internal memory of a digital data processing unit and points
  • Computer program code means which, when they are executed in a digital data processing unit, cause them to execute the method according to the invention.
  • a computer program product has a data carrier or a computer-readable medium on which the computer program code means are stored.
  • FIG. 1 schematically shows a data flow in the design of forming tools and forming processes according to the prior art
  • FIG. 2 schematically shows a data flow and a flow structure of a method in a preferred embodiment of the invention.
  • FIG. 2 schematically shows a data flow and a sequence structure of a method in a preferred embodiment of the invention.
  • the process is preferably implemented using a computer program that is executed on a data processing system.
  • a model structure and nominal model parameters are generated on the basis of data from a file or a user interface. These are preferably parameterized facet or surface data for describing the geometry of the forming tools, parameterized curve data for describing the shape of sheet metal, drawing strip profiles and other model curves, as well as parameters for describing material behavior, friction, drawing strips and other process parameters.
  • the model structure and model parameters are the basis for a simulator 5 and are therefore collectively referred to as nominal simulation parameters d, n.
  • the simulation parameters d, n are divided into design parameters d and interference parameters n.
  • the design parameters d include controllable parameters such as the geometry parameters of the forming tools, the geometry parameters of the sheet metal plate, the sheet metal holder forces, the drawing strip forces, the lubrication, etc. Describe the design parameters d i.e. tools and process properties.
  • controllable parameters of the shaped material for example the shape and material of a sheet, are also considered as process parameters.
  • the design parameters d can be modified by a means for parameter modification 2, for example a user interface. Definitions D of the design parameters d and definitions N of the interference parameters n each contain a description of the respective parameters, for example a rule such as the - 13 -
  • Parameter value contributes to the construction of the model. For example, a given fillet value at a certain point is converted into a modification of areas at this point.
  • the description can also be a verbal description to aid a user, or a characterization of tolerances of the parameters.
  • Interference parameters n include non-controllable parameters which e.g. Manufacturing tolerances or non-modeled influences are subject, such as the sheet thickness, the material properties, the friction, not precisely adjustable sheet metal holder forces, the geometrical parameters of the tools subject to wear, etc. Depending on the problem, a certain parameter can be considered as a design or as an interference parameter.
  • a solver or simulator 5 uses the simulation parameters d, n, a solver or simulator 5 calculates raw data r, which describe the geometry and other properties of the formed part.
  • the other properties describe in particular a state of the formed part, such as strains and stresses in the formed sheet and sizes derived from it, such as sheet thickness, failure criteria, etc.
  • a large number of simulation runs are carried out with the simulator 5, the design parameters d and disturbance parameters n each being varied by an associated parameter variation of the disturbance parameters 3 or a parameter variation of the design parameters 4 by generally small values ⁇ d or ⁇ n according to predetermined statistical characteristic values.
  • the variation is preferably carried out according to a stochastic or Monte Carlo method.
  • a deterministic method is used. Parameters are systematically varied by their nominal value in order to obtain maximum information with the smallest possible number of parameter combinations.
  • a set of raw data r is generated for each simulation run.
  • a total of all sets of raw data r is stored in a memory 6.
  • the raw data r itself are first represented, as usual, on a geometry of the formed part, for example in a color contour representation. This is done, for example, by means of a user interface for model analysis 14 with a projection of the calculated SD model onto a screen or onto a printout.
  • a statistical evaluation of the raw data 10 is carried out, which individually determines statistical characteristic values Cr of the raw data r for each geometric point of the simulation. This requires a geometric assignment of the raw data of the individual simulations to one another, which is done, for example, over the minimum distance.
  • the characteristic values Cr are also represented on a geometry of the formed part by means of a representation of statistical characteristic values of the raw data 11. In principle, it is of course also possible to use only a subset of all raw data r in the statistical evaluation.
  • the performance variables p are calculated from the raw data r by means of steps or by means of modules for calculating performance variables 8 for several and preferably each individual one of the stored sets of raw data r.
  • the calculation is based on definitions P of the performance variable p.
  • the definitions P contain calculation rules for calculating the performance variables p from the raw data r, for example in the form of program code.
  • the performance variables p alone allow a statement about the properties and in particular the quality of the formed part. The statement, however, is considerably more valuable if it takes statistical parameters Cp of the performance variables into account.
  • Variables p and associated statistical characteristic values are preferably made available to a user via the user interface for model analysis 14 in tabular form and / or in suitable graphical representations V.
  • the user interface for model analysis 14 enables the creation or modification of definitions of performance variables 7. Recalculation of such new or changed performance variables p is immediately possible on the basis of the stored raw data r without the very complex simulation 5 under varying simulation parameters d, n must be performed again. The statistical characteristic values Cp of the performance variables can also be determined immediately. This corresponds to a fast iteration loop of the design process.
  • the user interface for model analysis 14 also makes it possible to change the model structure and the design parameters d, as indicated by an arrow to the model generator 1 and the parameter modification 2. This corresponds to a slow iteration loop of the design process.
  • the model structure and design parameter d can also be changed using a separate user interface.
  • a corresponding new solution r ' is sought for certain "new" simulation parameters d', n ', for which no solution or raw data r has yet been determined.
  • the new simulation parameters d ', n' are determined in a test change 15.
  • the new solution r 1 is determined by an interpolation 13 from the raw data r. Standard methods such as a response surface method are used for this.
  • the new solution r 'and its characteristic values are represented, for example, by the geometry and material condition after the forming 16.
  • the interpolation can also be done indirectly, by determining correlations between simulation parameters d, n and solution data, here with the - 16 -
  • solution data is used to refer to raw data and / or performance variables. Such correlations can also be viewed as sensitivities of the solution data with regard to the simulation parameters d, n. These sensitivities essentially correspond to partial derivatives of the solution data with regard to the simulation parameters d, n, around a reference solution, and are determined by a stochastic analysis. Based on known sensitivities, a quick recalculation and display of solution data of an approximate solution in the vicinity of the reference solution is now possible. For example, a graphical user interface with control elements is generated, with which control elements individual simulation parameters can be interactively varied by a user, and the effect on selected solution variable legs or sets of solution variable legs is immediately displayed graphically on a parts display or in another display.
  • the tools for the forming process are produced and the forming process is carried out.
  • a software system has a preprocessor unit 21, a solver unit 22 and a postprocessor unit 23.
  • the preprocessor unit 21 has the model generator 1 and a program module or means for parameter modification 2.
  • the solver unit 22 has program modules for parameter variation of the interference parameters 3 and the design parameters 4, and the simulator 5.
  • the postprocessor unit 23 preferably has program modules for the calculation of performance variables 8, the statistical evaluation and optional representation of performance variables 9, the statistical evaluation of raw data 10, the representation of statistical characteristic values of the raw data 11, and the representation of the raw data 12 on. - 17 -
  • the solver unit 22 and the postprocessor unit 23 have program means for accessing the shared memory 6 for storing the raw data r.

Abstract

In einem Verfahren, einem Datenverarbeitungssystem und einem Computerprogramm zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen werden aus einem Satz von nominellen Simulationsparametern (d,n) durch Simulation eines Umformprozesses Rohdaten (r) zur Beschreibung einer Geometrie und eines Zustandes eines umgeformten Teiles berechnet. Die im Verfahren durchgeführten Schritte beinhalten, dass Ï aus dem Satz von nominellen Simulationsparametern (d,n) in einem Simulationsdurchlauf ein Satz von Rohdaten (r) berechnet und gespeichert wird, Ï der vorangehende Schritt unter Variation der Simulationsparameter (d,n) um die nominellen Simulationsparameter (d,n) mehrmals wiederholt wird, und dadurch weitere Sätze von Rohdaten (r) erzeugt und gespeichert werden, und Ï eine statistische Analyse (10) mehrerer oder aller der gespeicherten Sätze von Rohdaten (r) zur Berechnung statistischer Kennwerte (Cr) der Rohdaten (r) durchgeführt wird. Vorzugsweise wird eine visuelle Darstellung von einem oder mehreren der statistischen Kennwerte (Cr) der Rohdaten (r) auf einer visuellen Darstellung eines am Umformprozess beteiligten Gegenstands, insbesondere des umgeformten Teiles, eines Teiles vor der Umformung oder der Werkzeuggeometrie, erzeugt (11).

Description

AUSLEGUNG VON WERKZEUGEN UND PROZESSEN FÜR
DIE UMFORMTECHNIK
Die Erfindung bezieht sich auf das Gebiet der Auslegung von Werkzeugen und/oder Prozessen für die Umformtechnik. Sie bezieht sich auf ein Verfahren, ein Datenverarbeitungssystem und ein Computerprogramm zum Auslegen von Werkzeugen und Prozessen für die Herstellung von Umformteilen gemäss dem Oberbegriff der unabhängigen Patentansprüche, sowie auf einen Datenträger.
STAND DER TECHNIK
Umformteile, insbesondere Blechumformteile werden in der Regel durch Tiefziehen hergestellt. Das Halbzeug, sogenannte Blechplatinen, werden zu diesem Zweck in mehrteilige Umformwerkzeuge gelegt. Mittels Pressen, in denen die Umformwerkzeuge eingespannt sind, werden die Teile geformt. Die Teile werden in der Regel über mehrere Umformstufen wie Ziehen, Nachschlagen, Einstellen, etc. kombiniert mit Beschneidschritten aus einer flachen Blechplatine hergestellt.
Zur Auslegung von Umformwerkzeugen, also beispielsweise Stempel, Matrizen und Blechhaltern, sowie von Umformprozessen, also beispielsweise Werkzeugkräfte, Ziehleisten, Schmierung, Form und Material für die Blechplatine, werden CAD/CAE (Computer aided design / Computer aided engineering) Programme eingesetzt. Diese simulieren respektive modellieren mittels Finite-Elemente Modellen einen Umformprozess anhand von Simulationsparametern. Simulationsparameter beschreiben einerseits eine Geometrie der im Umformprozess verwendeten Werkzeuge, und andererseits Prozessparameter. Als Prozessparameter werden im Folgenden verschiedene Umformparameter wie Schmierung, Bearbeitungskräfte etc., und auch Materialparameter wie Blechplatinenform, Dicke, Materialeigenschaften, Walzrichtung etc. betrachtet. Die Simulationsprogramme erzeugen eine Beschreibung der Geometrie eines Bleches nach der Umformung sowie die Verteilung zugehöriger Zustandsvariablen wie Dehnungen und Spannungen im umgeformten Blech. Gleichzeitig berechnen sie bestimmte charakteristische Kennwerte, Performance- Variablen genannt, die eine Qualität des Erzeugnisses ausdrücken.
Seit einigen Jahren werden dabei auch stochastische Simulationen durchgeführt, d.h. statt einer einzelnen Simulation werden viele Simulationen mit statistisch variierten Designparametern und statistisch variierten Noiseparameten oder Störparametern durchgeführt. Designparameter sind kontrollierbare Simulationsparameter wie die Geometrie der Werkzeuge. Störparameter sind nicht-kontrollierbare Simulationsparameter wie Variationen in der Blechdicke und von Materialeigenschaften eines Bleches. Durch Variation dieser Parameter kann die Robustheit, das heisst die Empfindlichkeit des ausgelegten Designs gegenüber Parameter-Streuungen und seine Kontrollierbarkeit beurteilt werden. Dies ist wichtig, da in der Realität immer Abweichungen vom Simulationsmodell auftreten, beispielsweise in Folge von Schwankungen in Herstellungsprozessen, Vereinfachungen des Simulationsmodells, numerischen Effekten und nichtlinearen Effekten. Zur Beurteilung und Verbesserung eines Designs anhand der entsprechenden Simulationsresultate werden heute die Performance-Variablen vor der Simulation und vor der stochastischen Analyse definiert.
Die Figur 1 zeigt schematisch einen Datenfluss beim Design von Umformwerkzeugen und von Umformprozessen gemäss dem Stand der Technik: Eine Definition von Performance-Variablen 7 wird dabei zusammen mit einer Modellgenerierung 1 durchgeführt. Simulationsparameter d,n aus der Modellgenerierung 1 werden einem Simulator 5 zugeführt, der für variierende Simulationsparameter d,n jeweils Rohdaten r und Performance-Variablen p berechnet. Die Rohdaten r werden in einer Darstellung der Rohdaten 12 auf einem 3D-Modell des Umformteils in einer Farbkonturdarstellung visualisiert. Aus den Performance- Variablen p werden in einer statistischen Auswertung 9 Kennwerte Cp der Performance- Variablen p berechnet. Zusammen mit den Design- und Stör- Parametern werden die Performance-Variablen und die Kennwerte Cp typischerweise in Diagrammen dargestellt, z.B. in Scatter-Plots, Histogrammen, Korrelationsdiagrammen etc.
Die Auswertung stochastischer Simulationen ist heute wenig anschaulich. Da nur einzelne Performance- Variablen zur Verfügung stehen, fehlen oft lokale Informationen an gewissen geometrischen Orten des Systems. Da die Performance- Variablen vor der stochastischen Analyse definiert werden müssen, fehlen bei der Auswertung oft Performance-Variablen, deren Notwendigkeit erst bei der Auswertung erkannt wird; um diese zu erhalten, müssten die aufwendigen Simulationen und die stochastische Analyse nochmals durchgeführt werden. Die Darstellung der Performance-Variablen in Diagrammen ist indirekt und damit abstrakt und erfordert ein hohes Vorstellungsvermögen. Diese Nachteile tragen dazu bei, dass stochastische Simulationen heute noch sehr wenig durchgeführt werden.
DARSTELLUNG DER ERFINDUNG
Es ist deshalb Aufgabe der Erfindung, ein Verfahren, ein Datenverarbeitungssystem und ein Computerprogramm zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen der eingangs genannten Art zu schaffen, welche die oben genannten Nachteile beheben.
Diese Aufgabe lösen ein Verfahren, ein Datenverarbeitungssystem und ein Computerprogramm zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen mit den Merkmalen der entsprechenden unabhängigen Patentansprüche. Es werden also Rohdaten in jedem Rechenpunkt des Simulationsmodells gespeichert. Die Rechenpunkte sind üblicherweise Integrationspunkte und Knotenpunkte eines Finiten Elemente (FE) -Modells.. Die Rohdaten sind direkte Resultate der Simulation des Umformprozesses. Sie beschreiben beispielsweise die Geometrie des umgeformten Teiles, Verteilung der Blechdicke, Dehnungen oder Spannungen im umgeformten Material, Verteilung von Risskriterien, Verschiebungsverteilung infolge Rückfederung nach Entnahme aus dem Werkzeug, etc. Die Rohdaten beschreiben also jeweils lokale Grossen für eine Vielzahl von Punkten des Simulationsmodells, vorzugsweise für alle Punkte des Simulationsmodells. Die Simulation ist beispielsweise eine genaue inkrementelle Simulation des gesamten Umformprozesses, oder eine einfache Abschätzung der Umformbarkeit, basierend z.B. auf einem Einschrittverfahren.
Die Simulation wird, ausgehend von nominellen Simulationsparametern, für leicht um diese variierte Simulationsparameter wiederholt, und die erzeugten Rohdaten werden wiederum gespeichert. In dieser Weise werden mehrere Sätze von Rohdaten berechnet. Die Rechenzeit für die Vielzahl von benötigten Simulationsdurchläufen beträgt mehrere Stunden bis Tage.
Aus diesen gespeicherten Rohdaten werden für jeden Satz von Rohdaten entsprechende Performance- Variablen berechnet. Um vergleichbare Performance- Variablen aus den einzelnen Simulationen zu erhalten, werden die Rohdaten der einzelnen Simulationen einander zugeordnet, beispielsweise indem räumlich gleich oder nächst gelegene Rechenpunkte einander zugeordnet werden. Die Auswertung bezieht sich also vorzugsweise auf raumfeste Punkte (im Gegensatz zu materialfesten Punkten). Damit können beliebige, beispielsweise auch adaptiv angepasste Rechengitter, die dasselbe Objekt in verschiedenen Simulationsläufen darstellen, miteinander in Bezug gebracht werden, respektive raumfeste Punkte aus verschiedenen Simulationen einander zugeordnet werden. Dabei kann auch eine der Simulationen als Referenzsimulation ausgewählt werden, auf welche sich die anderen Simulationen beziehen.
Performance-Variablen charakterisieren bestimmte interessierende Eigenschaften des umgeformten Teiles und Performance-Variablen erlauben eine Beurteilung einer Qualität des Teiles respektive des Umformprozesses. Performance-Variablen beziehen sich vorzugsweise auf einzelne Punkte oder auf einzelne Bereiche des Teiles mit jeweils einer vorgegebenen räumlichen Ausdehnung. Beispielsweise charakterisiert eine Performance-Variable einen Extremwert oder einen Durchschnittswert einer vorgegebenen Modelleigenschaft oder von Rohdaten innerhalb eines solchen Bereiches. Performance- Variablen beschreiben beispielsweise eine maximale Blechausdünnung in einem bestimmten rissgefährdeten Bereich des Bleches, eine minimale Ausstreckung in einem bestimmten wenig ausgeformten Bereich des Bleches, eine maximale Verschiebung infolge Rückfederung im Bereich eines Teileflansches, eine erforderliche Stempelkraft etc.
Es entstehen so mehrere Sätze von Performance- Variablen. Diese werden statistisch ausgewertet, indem beispielsweise Mittelwerte, Streuungen, etc. der Performance- Variablen oder Sensitivitäten, Korrelationen, etc. der Performance-Variablen gegenüber den Design- und Störparametern bestimmt werden.
Gemäss der Erfindung werden nun aber auch die gespeicherten Rohdaten statistisch ausgewertet. Dabei werden in jedem Rechenpunkt die Rohdaten der einzelnen Simulationen einander zugeordnet, z.B. wie oben erwähnt über minimale räumliche Abstände, und statistische Kennwerte der Rohdaten bestimmt, wie zum Beispiel Mittelwerte, Streuungen, Sensitivitäten, Korrelationen, etc. Bestimmte dieser Kennwerte werden einer Visualisierung eines 3D-Modells des umgeformten Teiles überlagert. Dies geschieht beispielsweise in einer Farbkonturdarstellung durch Einfärben des Modells in jedem Punkt des Teiles respektive seiner Oberfläche nach Massgabe eines oder mehrerer der statistischen Kennwerte in diesem Punkt. Es können beispielsweise auch direkt Prozessfähigkeitskennwerte wie Cp und Cpk- Werte nach DIN 55319 mittels Farbkonturen auf der Geometrie dargestellt werden. Alternativ dazu können die Kennwerte auch einem 3D -Modell eines anderen im Umformprozess beteiligten Gegenstands überlagert dargestellt werden, beispielsweise der Geometrie eines Teiles vor der Umformung, oder der Werkzeuggeometrie. Die Auswertung der stochastischen Analyse wird damit deutlich anschaulicher und einfacher. Beispielsweise werden Streuungen und damit die Robustheit einzelner Zielgrössen sofort erkennbar und lokalisierbar. Dadurch sind auch die Einflusszonen einzelner Parameter sofort anschaulich erkennbar. Beispielsweise kann durch farbliche Darstellung eines Streumasses der Blechdicke im umgeformten Teil sofort erkannt werden, ob und wo Zonen existieren, die wenig robust gegenüber Schwankungen der Design- und Störparameter reagieren; es kann sogar als statistische Grosse zum Beispiel die prozentuale Häufigkeit, mit der eine gegebene Minimaldicke lokal unterschritten wird, farblich auf der Geometrie dargestellt werden, was die einfache und sofortige Identifikation von Bereichen erlaubt, welche gewisse Fertigungstoleranzen nicht mehr erfüllen. Wenn nun zum Beispiel noch ein statistisches Mass der Korrelation oder der Sensitivität der Blechdicke gegenüber einem Designparameter farbig auf der gesamten Geometrie dargestellt wird, kann sofort erkannt werden, ob mit diesem Designparameter gewünschte Verbesserungen an den kritischen Stellen erreicht werden können und welche übrigen Zonen dadurch auch noch, eventuell negativ, beeinflusst würden. Bei allen diesen Analysen ist man infolge der Darstellungen der statistischen Kenngrössen auf der gesamten Geometrie nicht mehr von der richtigen Wahl einzelner Performance-Variablen an den richtigen Stellen der Geometrie abhängig, um ein lokales Problem zu erkennen. Insbesondere bei komplizierten Umformteilen ist es fast unmöglich und äusserst zeitaufwendig, alle Problemzonen bezüglich Robustheit und alle Einflussbereiche der Design- und Störparameter mit Hilfe einzelner Performance-Variablen zu erfassen, was aufwendige stochastische Simulationen stark in Frage stellt und dazu geführt hat, dass diese bisher nicht Beschreibung der Geometrie eines Bleches nach der Umformung sowie die Verteilung zugehöriger Zustandsvariablen wie Dehnungen und Spannungen im umgeformten Blech. Gleichzeitig berechnen sie bestimmte charakteristische Kennwerte, Performance-Variablen genannt, die eine Qualität des Erzeugnisses ausdrücken.
Seit einigen Jahren werden dabei auch stochastische Simulationen durchgeführt, d.h. statt einer einzelnen Simulation werden viele Simulationen mit statistisch variierten Designparametern und statistisch variierten Noiseparameten oder Störparametern durchgeführt. Designparameter sind kontrollierbare Simulationsparameter wie die Geometrie der Werkzeuge. Störparameter sind nicht-kontrollierbare Simulationsparameter wie Variationen in der Blechdicke und von Materialeigenschaften eines Bleches. Durch Variation dieser Parameter kann die Robustheit, das heisst die Empfindlichkeit des ausgelegten Designs gegenüber Parameter-Streuungen und seine Kontrollierbarkeit beurteilt werden. Dies ist wichtig, da in der Realität immer Abweichungen vom Simulationsmodell auftreten, beispielsweise in Folge von Schwankungen in Herstellungsprozessen, Vereinfachungen des Simulationsmodells, numerischen Effekten und nichtlinearen Effekten. Zur Beurteilung und Verbesserung eines Designs anhand der entsprechenden Simulationsresultate werden heute die Performance- Variablen vor der Simulation und vor der stochastischen Analyse definiert.
Die Figur 1 zeigt schematisch einen Datenfluss beim Design von Umformwerkzeugen und von Umformprozessen gemäss dem Stand der Technik: Eine Definition von Performance-Variablen 7 wird dabei zusammen mit einer Modellgenerierung 1 durchgeführt. Simulationsparameter d,n aus der Modellgenerierung 1 werden einem Simulator 5 zugeführt, der für variierende Simulationsparameter d,n jeweils Rohdaten r und Performance- Variablen p berechnet. Die Rohdaten r werden in einer Darstellung der Rohdaten 12 auf einem 3D-Modell des Umformteils in einer Farbkonturdarstellung visualisiert. Aus den - 3 -
Performance- Variablen p werden in einer statistischen Auswertung 9 Kennwerte Cp der Performance- Variablen p berechnet. Zusammen mit den Design- und Stör- Parametern werden die Performance-Variablen und die Kennwerte Cp typischerweise in Diagrammen dargestellt, z.B. in Scatter-Plots, Histogrammen, Korrelationsdiagrammen etc.
Die Auswertung stochastischer Simulationen ist heute wenig anschaulich. Da nur einzelne Performance- Variablen zur Verfügung stehen, fehlen oft lokale Informationen an gewissen geometrischen Orten des Systems. Da die Performance- Variablen vor der stochastischen Analyse definiert werden müssen, fehlen bei der Auswertung oft Performance-Variablen, deren Notwendigkeit erst bei der Auswertung erkannt wird; um diese zu erhalten, müssten die aufwendigen Simulationen und die stochastische Analyse nochmals durchgeführt werden. Die Darstellung der Performance-Variablen in Diagrammen ist indirekt und damit abstrakt und erfordert ein hohes Vorstellungsvermögen. Diese Nachteile tragen dazu bei, dass stochastische Simulationen heute noch sehr wenig durchgeführt werden.
DARSTELLUNG DER ERFINDUNG
Es ist deshalb Aufgabe der Erfindung, ein Verfahren, ein Datenverarbeitungssystem und ein Computerprogramm zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen der eingangs genannten Art zu schaffen, welche die oben genannten Nachteile beheben.
Diese Aufgabe lösen ein Verfahren, ein Datenverarbeitungssystem und ein Computerprogramm zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen mit den Merkmalen der entsprechenden unabhängigen Patentansprüche. - 4 -
Es werden also Rohdaten in jedem Rechenpunkt des Simulationsmodells gespeichert. Die Rechenpunkte sind üblicherweise Integrationspunkte und Knotenpunkte eines Finiten Elemente (FE)-Modells.. Die Rohdaten sind direkte Resultate der Simulation des Umformprozesses. Sie beschreiben beispielsweise die Geometrie des umgeformten Teiles, Verteilung der Blechdicke, Dehnungen oder Spannungen im umgeformten Material, Verteilung von Risskriterien, Verschiebungsverteilung infolge Rückfederung nach Entnahme aus dem Werkzeug, etc. Die Rohdaten beschreiben also jeweils lokale Grossen für eine Vielzahl von Punkten des Simulationsmodells, vorzugsweise für alle Punkte des Simulationsmodells. Die Simulation ist beispielsweise eine genaue inkrementelle Simulation des gesamten Umformprozesses, oder eine einfache Abschätzung der Umformbarkeit, basierend z.B. auf einem Einschrittverfahren.
Die Simulation wird, ausgehend von nominellen Simulationsparametern, für leicht um diese variierte Simulationsparameter wiederholt, und die erzeugten Rohdaten werden wiederum gespeichert. In dieser Weise werden mehrere Sätze von Rohdaten berechnet. Die Rechenzeit für die Vielzahl von benötigten Simulationsdurchläufen beträgt mehrere Stunden bis Tage.
Aus diesen gespeicherten Rohdaten werden für jeden Satz von Rohdaten entsprechende Performance- Variablen berechnet. Um vergleichbare Performance- Variablen aus den einzelnen Simulationen zu erhalten, werden die Rohdaten der einzelnen Simulationen einander zugeordnet, beispielsweise indem räumlich gleich oder nächst gelegene Rechenpunkte einander zugeordnet werden. Die Auswertung bezieht sich also vorzugsweise auf raumfeste Punkte (im Gegensatz zu materialfesten Punkten). Damit können beliebige, beispielsweise auch adaptiv angepasste Rechengitter, die dasselbe Objekt in verschiedenen Simulationsläufen darstellen, miteinander in Bezug gebracht werden, respektive raumfeste Punkte aus verschiedenen Simulationen einander zugeordnet werden. Dabei kann auch eine der - 5 -
Simulationen als Referenzsimulation ausgewählt werden, auf welche sich die anderen Simulationen beziehen.
Performance- Variablen charakterisieren bestimmte interessierende Eigenschaften des umgeformten Teiles und Performance-Variablen erlauben eine Beurteilung einer Qualität des Teiles respektive des Umformprozesses. Performance-Variablen beziehen sich vorzugsweise auf einzelne Punkte oder auf einzelne Bereiche des Teiles mit jeweils einer vorgegebenen räumlichen Ausdehnung. Beispielsweise charakterisiert eine Performance-Variable einen Extremwert oder einen Durchschnittswert einer vorgegebenen Modelleigenschaft oder von Rohdaten innerhalb eines solchen Bereiches. Performance-Variablen beschreiben beispielsweise eine maximale Blechausdünnung in einem bestimmten rissgefährdeten Bereich des Bleches, eine minimale Ausstreckung in einem bestimmten wenig ausgeformten Bereich des Bleches, eine maximale Verschiebung infolge Rückfederung im Bereich eines Teileflansches, eine erforderliche Stempelkraft etc.
Es entstehen so mehrere Sätze von Performance- Variablen. Diese werden statistisch ausgewertet, indem beispielsweise Mittelwerte, Streuungen, etc. der Performance- Variablen oder Sensitivitäten, Korrelationen, etc. der Performance-Variablen gegenüber den Design- und Störparametern bestimmt werden.
Gemäss der Erfindung werden nun aber auch die gespeicherten Rohdaten statistisch ausgewertet. Dabei werden in jedem Rechenpunkt die Rohdaten der einzelnen Simulationen einander zugeordnet, z.B. wie oben erwähnt über minimale räumliche Abstände, und statistische Kennwerte der Rohdaten bestimmt, wie zum Beispiel Mittelwerte, Streuungen, Sensitivitäten, Korrelationen, etc. Bestimmte dieser Kennwerte werden einer Visualisierung eines 3D-Modells des umgeformten Teiles überlagert. Dies geschieht beispielsweise in einer Farbkonturdarstellung durch Einfärben des Modells in jedem Punkt des Teiles respektive seiner Oberfläche nach - 6 -
Massgabe eines oder mehrerer der statistischen Kennwerte in diesem Punkt. Es können beispielsweise auch direkt Prozessfähigkeitskennwerte wie Cp und Cpk- Werte nach DIN 55319 mittels Farbkonturen auf der Geometrie dargestellt werden. Alternativ dazu können die Kennwerte auch einem 3D-Modell eines anderen im Umformprozess beteiligten Gegenstands überlagert dargestellt werden, beispielsweise der Geometrie eines Teiles vor der Umformung, oder der Werkzeuggeometrie. Die Auswertung der stochastischen Analyse wird damit deutlich anschaulicher und einfacher. Beispielsweise werden Streuungen und damit die Robustheit einzelner Zielgrössen sofort erkennbar und lokalisierbar. Dadurch sind auch die Einflusszonen einzelner Parameter sofort anschaulich erkennbar. Beispielsweise kann durch farbliche Darstellung eines Streumasses der Blechdicke im umgeformten Teil sofort erkannt werden, ob und wo Zonen existieren, die wenig robust gegenüber Schwankungen der Design- und Störparameter reagieren; es kann sogar als statistische Grosse zum Beispiel die prozentuale Häufigkeit, mit der eine gegebene Minimaldicke lokal unterschritten wird, farblich auf der Geometrie dargestellt werden, was die einfache und sofortige Identifikation von Bereichen erlaubt, welche gewisse Fertigungstoleranzen nicht mehr erfüllen. Wenn nun zum Beispiel noch ein statistisches Mass der Korrelation oder der Sensitivität der Blechdicke gegenüber einem Designparameter farbig auf der gesamten Geometrie dargestellt wird, kann sofort erkannt werden, ob mit diesem Designparameter gewünschte Verbesserungen an den kritischen Stellen erreicht werden können und welche übrigen Zonen dadurch auch noch, eventuell negativ, beeinflusst würden. Bei allen diesen Analysen ist man infolge der Darstellungen der statistischen Kenngrössen auf der gesamten Geometrie nicht mehr von der richtigen Wahl einzelner Performance- Variablen an den richtigen Stellen der Geometrie abhängig, um ein lokales Problem zu erkennen. Insbesondere bei komplizierten Umformteilen ist es fast unmöglich und äusserst zeitaufwendig, alle Problemzonen bezüglich Robustheit und alle Einflussbereiche der Design- und Störparameter mit Hilfe einzelner Performance-Variablen zu erfassen, was aufwendige stochastische Simulationen stark in Frage stellt und dazu geführt hat, dass diese bisher nicht standardmässig eingesetzt wurden. Die Darstellung auf der gesamten Geometrie macht es erst möglich, mit Sicherheit alle Problemzonen in einem Umformteil zu erkennen und die Einflussbereiche und Folgen der Änderungen einzelner Simulationsparameter vollständig zu erfassen. Dadurch liefern stochastische Simulationen eine wesentlich brauchbarere Aussage, und die Anzahl langsamer Iterationsschlaufen, das heisst einer kompletten Neusimulation, zur robusten Auslegung eines Modelies kann deutlich reduziert werden.
In einer bevorzugten Variante der Erfindung werden die Performance- Variablen in einem interaktiven Verfahren berechnet und einem Benutzer angezeigt. Beispielsweise wählt ein Benutzer mit einem Zeigemittel wie einer Computermaus einen Punkt oder Bereich einer Darstellung eines umgeformten Teiles aus. Entsprechend dem ausgewählten Punkt wird eine Performance- Variable wie z.B. eine lokale Minimaldicke definiert. Andere Performance- Variablen sind beispielsweise ein Dickenhistogramm oder eine Sensitivität bezüglich eines oder mehrerer Designparameter. Aus der Definition werden anhand der gespeicherten Rohdaten entsprechende statistische Kennwerte berechnet und graphisch angezeigt. Beispielsweise zeigt ein mit einem Mauspfeil mitbewegtes oder in einem bestimmten Bildschirmbereich angeordnetes Balkendiagramm von der Art eines "Box Plots" jeweils zum aktuell ausgewählten Punkt die Materialdicke der nominellen Lösung zusammen mit der simulierten Variation der Materialdicken. Oder es wird eine Sensitivität eines Parameters im aktuellen Punkt bezüglich mehrerer Designparameter in beispielsweise einem Kuchendiagramm dargestellt. Durch Verschieben des Zeigegerätes lässt sich somit schnell ein Überblick über die verschiedenen Einflüsse und Sensitivitäten gewinnen.
In einer weiteren bevorzugten Variante der Erfindung wird zu jedem oder einer
Untermenge der Sätze von Rohdaten ein Grenzformänderungsdiagramm erzeugt und einem Benutzer angezeigt. Darin sind Dehnungszustände für jeweils einzelne Rechenpunkte in einer zweidimensionalen Darstellung durch Punkte dargestellt. Für die Menge der Rechenpunkte eines Satzes von Rohdaten r resultiert eine Punktwolke, die einen Überblick über die Dehnungsbeanspruchung des Teiles gibt. Eine Grenzformänderungskurve wird in derselben Darstellung eingezeichnet. Sie grenzt ein Gebiet ab, in dem die Materialdehnung zu einem Reissen führt. Als Erweiterung des Grenzformänderungsdiagramms werden die Punktwolken mehrerer Sätze von Rohdaten einander überlagert dargestellt. Dadurch wird sichtbar, wie sich die Wahrscheinlichkeit eines Materialrisses bei Variation der Simulationsparameter verhält. Anstelle von Punktwolken können auch diese Punktwolken charakterisierende visuelle Merkmale erzeugt und angezeigt werden, zum Beispiel Hauptachsen einer eine Punktwolke annähernden Ellipse. Vorzugsweise wird durch eine dreidimensionale Darstellung oder eine Farbdarstellung die Häufigkeit einzelner Bereiche der vereinigten Punktwolken sichtbar gemacht, indem beispielsweise die Häufigkeit in der dritten Dimension histogrammähnlich aufgetragen wird.
In einer Kombination dieser Darstellung mit dem oben erwähnten interaktiven Verfahren wird nach Auswählen eines Punktes in der Darstellung des umgeformten Teiles der entsprechende nominelle Punkt und/oder die entsprechende statistisch verteilte Punktwolke im Grenzformänderungsdiagramm visuell hervorgehoben, beispielsweise durch Änderung der Punktefarbe oder -Helligkeit. Umgekehrt können nach Auswählen eines Bereiches im Grenzformänderungsdiagramm die entsprechenden Bereiche auf dem umgeformten Teil visuell hervorgehoben werden.
In der praktischen Arbeit mit einem Designsystem tritt oft das Problem auf, dass der Designer nach der Simulation erkennt, dass ein bestimmter Materialbereich Probleme einer bestimmten Art aufweisen könnte. Um diese zu quantifizieren, muss er eine entsprechende Performance-Variable definieren, die eine Beurteilung des Problems erlaubt. Beispielsweise definiert er die maximale Rückfederung eines Teileflansches als Performance- Variable, um zu beurteilen, wie stark dieser Wert infolge der Variation der Störparameter streut, also wie robust oder reproduzierbar dieser Wert gegenüber solchen Schwankungen ist, und mit welchem Designparameter dieser Wert korreliert ist, d.h. durch welchen Designparameter die Rückfederung am besten kontrolliert bzw. korrigiert werden kann.
Die neue Performance- Variable oder eine modifizierte Performance-Variable muss nun nicht in einer vollständigen stochastischen Analyse mit einer Vielzahl von Simulationsdurchläufen ermittelt werden. Stattdessen wird die neue Performance- Variable jeweils aus jedem der gespeicherten mehreren Sätzen von Rohdaten wiederholt berechnet. Die so erhaltenen mehreren, zueinander variierenden Werte der Performance- Variablen werden statistisch analysiert und optional graphisch dargestellt. Es ist also möglich, variierende und neue Performance- Variablen sehr schnell zu definieren und ihre Werte zu berechnen, ohne dass die aufwendigen Simulationen des Umformprozesses wiederholt werden müssen.
Der Designprozess besteht für den Anwender also aus zwei separaten Iterationsschlaufen: In einer langsamen Iterationsschlaufe werden stochastische Simulationen anhand von iterativ verbesserten Modellen durchgeführt und Rohdaten berechnet. In einer schnelleren Iterationsschlaufe werden die Rohdaten analysiert und iterativ die Performance-Variablen zur Charakterisierung des betrachteten Modells verbessert. Dank der Existenz der schnelleren Iterationsschlaufe können einerseits Schwachstellen im Design schneller gefunden und andererseits durch die schnelle Anpassungsmöglichkeit und Neuberechnung der Performance- Variablen kritische Stellen gezielt untersucht werden. Beispielsweise könnte in einem Materialbereich, in welchem man zu Beginn der Auslegung keine Probleme erwartete, während der Analyse der Rohdaten festgestellt werden, dass zwischen einigen Simulationen die Dicke stark schwankt. Durch Definition der minimalen Dicke in diesem Bereich als Performance- Variable und Berechnung ihrer Streuung kann nun sofort beurteilt werden, ob diese Schwankung noch innerhalb gegebener Fertigungstoleranzen liegt. Wenn nicht, also wenn z.B. eine untere Dickengrenze mit zu hoher Häufigkeit unterschritten wird, kann durch Auswertung der Korrelation dieser Performance-Variablen gegenüber den Designparametern, z.B. der - 10 -
Rückhaltewirkung der Ziehleisten, sofort ermittelt werden, mit welcher Ziehleiste die Dicke am besten beeinflusst werden kann. Weitere Performance- Variablen können nun definiert werden, um zu untersuchen, ob Änderungen der so ermittelten Designparameter ungünstige Effekte an anderen Stellen hervorrufen, z.B. eine zu geringe Ausstreckung des Bleches in anderen Bereichen. Mit dieser beispielhaft erläuterten Vorgehensweise können in der schnellen Iterationsschlaufe während der Auswertung mit hoher Sicherheit die richtigen Änderungen am Modell vorgenommen werden, um das Modell bezüglich gewünschter Qualität des Umformteiles und deren Robustheit zu verbessern; die Anzahl der langsamen Iterationsschlaufen wird deutlich reduziert.
In einer weiteren bevorzugten Variante der Erfindung werden aus den Rohdaten bei Bedarf einzelne weitere Sätze von Rohdaten, die nicht explizite in einem der wiederholten Simulationsläufe berechnet wurden, durch Interpolation bestimmt. Beispielsweise zeigt die stochastische Analyse, dass eine Lösung gemäss einer bestimmten Parameterkombination von Interesse sein könnte. Anstelle eines Simulationsdurchlaufs für diese Parameterkombination wird die gesamte entsprechende Lösung, also Geometrie und Materialzustand nach der Umformung, durch Interpolation aus den gespeicherten Sätzen von Rohdaten ermittelt. In dieser Weise kann ein bestimmter Parametersatz respektive die entsprechende Lösung sehr schnell mit geringem Rechenaufwand überprüft werden. Es ist nicht mehr notwendig, stundenlang auf eine testweise Auswertung zu warten.
Das Datenverarbeitungssystem zum Auslegen von Werkzeugen und Prozessen für die Herstellung von Umformteilen weist Speichermittel mit darin gespeicherten Compute rogrammcodemitteln auf, welche ein Computerprogramm beschreiben, und Datenverarbeitungsmittel zur Ausführung des Computerprogramms, wobei die Ausführung des Computerprogramms zur Durchführung des Verfahrens gemäss der Erfindung führt. - 11 -
Das Computeφrogramm zum Auslegen von Werkzeugen und Prozessen für die Herstellung von Umformteilen gemäss der Erfindung ist in einen internen Speicher einer digitalen Datenverarbeitungseinheit ladbar und weist
Computeφrogrammcodemittel auf, welche, wenn sie in einer digitalen Datenverarbeitungseinheit ausgeführt werden, diese zur Ausführung des erfindungsgemässen Verfahrens bringen. In einer bevorzugten Ausführungsform der Erfindung weist ein Computeφrogrammprodukt einen Datenträger respektive ein computerlesbares Medium auf, auf welchem die Computeφrogrammcodemittel gespeichert sind.
Weitere bevorzugte Ausführungsformen gehen aus den abhängigen Patentansprüchen hervor. Dabei sind Merkmale der Verfahrens ansprüche sinngemäss mit den Vorrichtungsansprüchen kombinierbar und umgekehrt.
KURZE BESCHREIBUNG DER ZEICHNUNGEN
Im folgenden wird der Erfindungsgegenstand anhand eines bevorzugten Ausführungsbeispiels, welches in den beiliegenden Zeichnungen dargestellt ist, näher erläutert. Es zeigen:
Figur 1 schematisch einen Datenfluss beim Design von Umformwerkzeugen und Umformprozessen gemäss dem Stand der Technik; und Figur 2 schematisch einen Datenfluss und eine Ablaufstruktur eines Verfahrens in einer bevorzugten Ausführungsform der Erfindung.
Die in den Zeichnungen verwendeten Bezugszeichen und deren Bedeutung sind in der Bezugszeichenliste zusammengefasst aufgelistet. Grundsätzlich sind in den Figuren gleiche Teile mit gleichen Bezugszeichen versehen. - 12 -
WEGE ZUR AUSFUHRUNG DER ERFINDUNG
Die Figur 2 zeigt schematisch einen Datenfluss und eine Ablaufstruktur eines Verfahrens in einer bevorzugten Ausführungsform der Erfindung. Der Ablauf wird vorzugsweise mittels eines Computeφrogramms, das auf einem Datenverarbeitungssystem ausgeführt wird, implementiert.
Mittels eines Modellgenerators 1 werden eine Modellstruktur und nominelle Modellparameter anhand von Daten aus einer Datei oder einem Benutzerinterface erzeugt. Dies sind vorzugsweise parametrisierte Facetten- oder Flächendaten zur Beschreibung der Geometrie der Umformwerkzeuge, parametrisierte Kurvendaten zur Beschreibung der Form von Blechplatine, von Ziehleistenverläufen und anderer Modellkurven, sowie Kenngrössen zur Beschreibung eines Materialverhaltens, der Reibung, von Ziehleisten und anderen Prozessparametern.
Die Modellstruktur und Modellparameter sind Grundlage für einen Simulator 5 und werden deshalb zusammengefasst als nominelle Simulationsparameter d,n bezeichnet. Von ihrer Art her sind die Simulationsparameter d,n aufgeteilt in Designparameter d und Stöφarameter n. Die Designparameter d umfassen kontrollierbare Parameter wie die Geometrieparameter der Umformwerkzeuge, die Geometrieparameter der Blechplatine, die Blechhalterkräfte, die Ziehleistenkräfte, die Schmierung, etc. Die Designparameter d beschreiben also Werkzeuge und Prozesseigenschaften. Dabei werden gemäss der Terminologie der vorliegenden Anmeldung auch kontrollierbare Parameter des geformten Materials, also beispielsweise Form und Material eines Bleches, auch als Prozessparameter betrachtet. Die Designparameter d sind durch ein Mittel zur Parametermodifikation 2, beispielsweise eine Benutzerschnittstelle, modifizierbar. Definitionen D der Designparameter d und Definitionen N der Stöφarameter n enthalten jeweils eine Beschreibung der jeweiligen Parameter, beispielsweise eine Regel, wie der - 13 -
Parameterwert zum Aufbau des Modells beiträgt. Zum Beispiel wird ein gegebener Verrundungswert an einer bestimmten Stelle in eine Modifikation von Flächen an dieser Stelle umgesetzt. Die Beschreibung kann auch eine verbale Beschreibung als Hilfe für einen Benutzer sein, oder eine Charakterisierung von Toleranzen der Parameter.
Stöφarameter n umfassen nicht-kontrollierbare Parameter, welche z.B. Fertigungstoleranzen oder nicht-modellierten Einflüssen unterliegen, wie die Blechdicke, die Materialeigenschaften, die Reibung, nicht genau einstellbare Blechhalterkräfte, dem Verschleiss unterliegende geometrische Parameter der Werkzeuge, etc. Je nach Problemstellung kann ein gewisser Parameter als Designoder als Stöφarameter betrachtet werden.
Anhand der Simulationsparameter d,n errechnet ein Solver oder Simulator 5 Rohdaten r, welche die Geometrie und weitere Eigenschaften des erzeugten Umformteiles beschreiben. Die weiteren Eigenschaften beschreiben insbesondere einen Zustand des umgeformten Teiles, wie Dehnungen und Spannungen im umgeformten Blech und daraus abgeleitete Grossen wie Blechdicke, Versagenskriterien, etc.
Es wird eine Vielzahl von Simulationsläufen mit dem Simulator 5 durchgeführt, wobei die Designparameter d und Störparameter n jeweils durch eine zugeordnete Parametervariation der Stöφarameter 3 respektive eine Parametervariation der Designparameter 4 um in der Regel kleine Werte Δd respektive Δn gemäss vorgegebenen statistischen Kennwerten variiert werden. Die Variation geschieht vorzugsweise nach einem stochastischen oder Monte-Carlo-Verfahren. In einer anderen Variante der Erfindung wird ein deterministisches Verfahren verwendet. Dabei werden Parameter systematisch um ihren Nominalwert variiert, um mit einer möglichst kleinen Anzahl von Parameterkombinationen ein Maximum an Information zu gewinnen. - 14 -
Für jeden Simulationsdurchlauf wird ein Satz von Rohdaten r erzeugt. Eine Gesamtheit aller Sätze von Rohdaten r wird in einem Speicher 6 abgelegt. In darauffolgenden Verfahrensschritten werden erstens wie üblich die Rohdaten r selber auf einer Geometrie des umgeformten Teiles beispielsweise in einer Farbkonturdarstellung dargestellt. Dies geschieht beispielsweise mittels einer Benutzerschnittstelle zur Modellanalyse 14 mit einer Projektion des berechneten SD- Modells auf einen Bildschirm oder auf einen Ausdruck. Zweitens wird eine statistische Auswertung der Rohdaten 10 durchgeführt, welche statistische Kennwerte Cr der Rohdaten r für jeden geometrischen Punkt der Simulation einzeln ermittelt. Hierzu notwendig ist eine geometrische Zuordnung der Rohdaten der einzelnen Simulationen zueinander, welche beispielsweise über den minimalen Abstand erfolgt. Die Kennwerte Cr werden mittels einer Darstellung von statistischen Kennwerten der Rohdaten 11 ebenfalls auf einer Geometrie des umgeformten Teiles dargestellt. Grundsätzlich ist es natürlich auch möglich, nur eine Untermenge aller Rohdaten r in der statistischen Auswertung zu verwerten.
Drittens werden aus den Rohdaten r mittels Schritten respektive mittels Modulen zur Berechnung von Performance-Variablen 8 die Performance- Variablen p zu mehreren und vorzugsweise jedem einzelnen der gespeicherten Sätze von Rohdaten r berechnet. Die Berechnung geschieht anhand von Definitionen P der Performance- Variablen p. Die Definitionen P enthalten Rechenvorschriften zur Berechung der Performance-Variablen p aus den Rohdaten r, beispielsweise in Form von Programmcode. Die Performance- Variablen p erlauben für sich alleine bereits eine Aussage über die Eigenschaften und insbesondere die Qualität des Umformteiles. Die Aussage ist jedoch erheblich wertvoller, wenn sie statistische Kennwerte Cp der Performance-Variablen berücksichtigt. Diese Kennwerte Cp berücksichtigen die Gesamtheit oder eine Untermenge der Variationen der Performance- Variablen p, wie sie aus der Gesamtheit oder einer Untermenge der Rohdaten r entsprechend den Variationen 3,4 der Simulationsparameter d,n resultiert. Die einzelnen Performance- - 15 -
Variablen p und jeweils zugeordnete statistische Kennwerte werden vorzugsweise tabellarisch und/oder in geeigneten graphischen Darstellungen V einem Benutzer über die Benutzerschnittstelle zur Modellanalyse 14 zugänglich gemacht.
Die Benutzerschnittstelle zur Modellanalyse 14 ermöglicht eine Erstellung oder Modifikation von Definitionen von Performance- Variablen 7. Eine Neuberechnung solcher neuer respektive geänderter Performance-Variablen p ist sofort anhand der gespeicherten Rohdaten r möglich, ohne dass die sehr aufwendige Simulation 5 unter variierenden Simulationsparametern d,n erneut durchgeführt werden muss. Ebenfalls sind die statistischen Kennwerte Cp der Performance- Variablen sofort bestimmbar. Dies entspricht einer schnellen Iterationsschlaufe des Designverfahrens.
Die Benutzerschnittstelle zur Modellanalyse 14 ermöglicht auch eine Änderung der Modellstruktur und der Designparameter d, wie durch einen Pfeil zum Modellgenerator 1 und der Parametermodifikation 2 angedeutet ist. Dies entspricht einer langsamen Iterationsschlaufe des Designverfahrens. Selbstverständlich kann eine Änderung von Modellstruktur und Designparameter d auch mittels einer separaten Benutzerschnittstelle durchgeführt werden.
In einer bevorzugten Variante der Erfindung wird bei Bedarf zu bestimmten "neuen" Simulationsparametern d',n', zu denen noch keine Lösung respektive Rohdaten r ermittelt wurden, eine entsprechende neue Lösung r' gesucht. Die neuen Simulationsparameter d',n' werden in einer testweisen Änderung 15 bestimmt. Die neue Lösung r1 wird durch eine Inteφolation 13 aus den Rohdaten r ermittelt. Dazu werden Standardverfahren wie beispielsweise eine Response Surface Methode eingesetzt. Die neue Lösung r' und ihre Kennwerte werden beispielsweise durch Geometrie und Materialzustand nach der Umformung dargestellt 16.
Die Inteφolation kann auch indirekt geschehen, indem Korrelationen zwischen Simulationsparametern d,n und Lösungsdaten bestimmt werden, wobei hier mit dem - 16 -
Begriff "Lösungsdaten" Rohdaten und/oder Performance-Variablen bezeichnet werden. Solche Korrelationen können auch als Sensitivitäten der Lösungsdaten bezüglich der Simulationsparameter d,n betrachtet werden. Diese Sensitivitäten entsprechen im wesentlichen partiellen Ableitungen der Lösungsdaten bezüglich der Simulationsparameter d,n, um eine Referenzlösung herum, und werden durch eine stochastische Analyse ermittelt. Aufgrund von bekannten Sensitivitäten ist nun eine schnelle Neuberechung und Darstellung von Lösungsdaten einer Näherungslösung in der Nähe der Referenzlösung möglich. Dabei wird beispielsweise eine graphische Benutzeroberfläche mit Kontrollelementen erzeugt, mit welchen Kontrollelementen jeweils einzelne Simulationsparameter durch einen Benutzer interaktiv variierbar sind, und die Auswirkung auf ausgewählte Lösungsvariabein oder Mengen von Lösungsvariabein sofort graphisch auf einer Teiledarstellung oder in einer anderen Darstellung angezeigt wird.
Entsprechend den Simulationsparameten d,n, für welche die Resultate der Simulationen und insbesondere der stochastischen Analyse der Rohdaten r zufriedenstellend und/oder durch die Iteration optimiert sind, werden die Werkzeuge für den Umformprozess hergestellt und wird der Umformprozess durchgeführt.
Ein Softwaresystem gemäss der Erfindung weist eine Präprozessor-Einheit 21, eine Solver-Einheit 22 und eine Postprozessor-Einheit 23 auf. Die Präprozessor-Einheit 21 weist den Modellgenerator 1 und ein Programmmodul respektive Mittel für die Parametermodifikation 2 auf. Die Solver-Einheit 22 weist Programmmodule zur Parametervariation der Störparameter 3 und der Designparameter 4, und den Simulator 5 auf. Die Postprozessor-Einheit 23 weist vorzugsweise Programmmodule für die Berechnung von Performance-Variablen 8, die statistische Auswertung und optionale Darstellung von Performance- Variablen 9, die statistische Auswertung von Rohdaten 10, die Darstellung von statistischen Kennwerten der Rohdaten 11, und die Darstellung der Rohdaten 12 auf. - 17 -
Die Solver-Einheit 22 und die Postprozessor-Einheit 23 weisen Programmmittel zum Zugriff auf den gemeinsam verwendeten Speicher 6 zur Speicherung der Rohdaten r auf.
BEZUGSZEICHENLISTE
1 Modellgenerator
2 Parametermodifikation
3 Parametervariation der Störparameter
4 Parametervariation der Designparameter
5 Simulator (Solver)
6 Speicher
7 Definition von Performance-Variablen
8 Berechnung von Performance- Variablen
9 Statistische Auswertung von Performance- Variablen
10 Statistische Auswertung von Rohdaten
11 Darstellung von statistischen Kennwerten der Rohdaten
12 Darstellung der Rohdaten
13 Inteφolation
14 Benutzerschnittstelle zur Modellanalyse
15 testweise Änderung
16 Darstellung
21 Präprozessor-Einheit
22 Solver-Einheit
23 Postprozessor-Einheit

Claims

- 18 -PATENTANSPRÜCHE
1. Verfahren zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen, in welchem aus einem Satz von nominellen Simulationsparametern (d,n) durch Simulation (5) eines Umformprozesses Rohdaten (r) zur Beschreibung einer Geometrie und eines Zustandes eines umgeformtem Teiles berechnet werden, dadurch gekennzeichnet, dass
• aus dem Satz von nominellen Simulationsparametern (d,n) in einem Simulationsdurchlauf (5) ein Satz von Rohdaten (r) berechnet und gespeichert (6) wird, • der vorangehende Schritt unter Variation der Simulationsparameter (d,n) um die nominellen Simulationsparameter (d,n) mehrmals wiederholt wird (5), und dadurch weitere Sätze von Rohdaten (r) erzeugt und gespeichert (6) werden, und
• eine statistische Analyse (10) mehrerer oder aller der gespeicherten Sätze von Rohdaten (r) zur Berechnung statistischer Kennwerte (Cr) der Rohdaten
(r) durchgeführt wird.
2. Verfahren gemäss Anspruch 1, wobei eine visuelle Darstellung von einem oder mehreren der statistischen Kennwerte (Cr) der Rohdaten (r) auf einer visuellen Darstellung eines am Umformprozess beteiligten Gegenstands, insbesondere des umgeformten Teiles, eines Teiles vor der Umformung oder der Werkzeuggeometrie, erzeugt wird (11).
3. Verfahren gemäss einem der Ansprüche 1 oder 2, wobei • in einem weiteren, separaten Schritt aus den Sätzen von gespeicherten
Rohdaten (r) in einem Analysedurchlauf (8) je ein zugeordneter Satz von Performance-Variablen (p) zur Charakterisierung bestimmter Eigenschaften des umgeformten Teiles zu mehreren der Sätze, vorzugsweise zu jedem Satz von Rohdaten (r) berechnet wird, und • eine statistische Analyse (9) der Sätze von Performance-Variablen (p) zur - 19 -
Berechnung statistischer Kennwerte (Cp) der Performance-Variablen durchgeführt wird.
4. Verfahren gemäss einem der Ansprüche 1 bis 3, wobei die Variation (3,4) der Simulationsparameter (d,n) nach einem deterministischen oder einem stochastischen oder einem kombinierten Verfahren geschieht.
5. Verfahren gemäss einem der Ansprüche 3 bis 4, wobei ein Berechnungsverfahren zur Bestimmung einer oder mehrerer Performance- Variablen (p) modifiziert oder neu erstellt wird (7), und entsprechend aus den Sätzen von gespeicherten Rohdaten (r) modifizierte oder neue Performance-Variablen (p) berechnet werden (8).
6. Verfahren gemäss einem der Ansprüche 1 bis 5, wobei aus einem Satz neuer Simulationsparameter d',n' und den gespeicherten Rohdaten r durch Inteφolation ein neuer Satz von Rohdaten r' berechnet wird.
7. Verfahren gemäss einem der Ansprüche 1 bis 6, wobei die Simulationsparameter (d,n) einerseits Designparameter (d) zur Beschreibung von kontrollierbaren Parametern der Werkzeuge und des Umformprozesses und andererseits
Stöφarameter (n) zur Beschreibung von nicht kontrollierbaren Parametern der Werkzeuge und des Umformprozesses umfassen.
8. Verfahren gemäss einem der Ansprüche 3 bis 7, wobei eine visuelle Darstellung mindestens einer der Performance- Variablen (p) oder einer ihrer statistischen
Kennwerte (Cp) in Kombination mit mindestens einer anderen Performance- Variablen (p) oder deren statistischen Kennwerte (Cp) oder Designparametern (d) oder Stöφarametern (n) oder deren vorgegebenen statistischen Kennwerten erzeugt wird. - 20 -
9. Verfahren gemäss einem der Ansprüche 1 bis 8, wobei ein Grenzformänderungsdiagramm mit einer Mehrzahl von überlagerten Punktwolken oder diese charakterisierende visuelle Merkmale erzeugt wird, wobei jede Punktwolke die Dehnungen aller oder mindestens eines der Rechenpunkte aus einem der mehreren Sätze von Rohdaten (r) darstellt.
10. Verfahren gemäss einem der Ansprüche 1 bis 9, wobei die genannten Schritte mehrmals für veränderte nominelle Simulationsparameter (d,n) wiederholt werden.
11. Datenverarbeitungssystem zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen, wobei das Datenverarbeitungssystem Mittel aufweist zur Durchführung des Verfahrens nach einem oder mehreren der Ansprüche 1 bis 10.
12. Computeφrogramm zum Auslegen von Werkzeugen und/oder Prozessen für die Herstellung von Umformteilen, welches auf einer Datenverarbeitungseinheit ladbar und ausführbar ist, und welches bei der Ausführung das Verfahren nach einem oder mehreren der Ansprüche 1 bis 10 ausführt.
13. Datenträger, enthaltend ein Computeφrogramm gemäss Anspruch 12.
PCT/CH2004/000297 2003-05-15 2004-05-14 Auslegung von werkzeugen und prozessen für die umformtechnik WO2004102291A1 (de)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2006529533A JP4852420B2 (ja) 2003-05-15 2004-05-14 成型技術における工具およびプロセスの設計
DE502004005362T DE502004005362D1 (de) 2003-05-15 2004-05-14 Auslegung von werkzeugen und prozessen für die umformtechnik
EP04732915A EP1623287B1 (de) 2003-05-15 2004-05-14 Auslegung von werkzeugen und prozessen für die umformtechnik
US10/556,920 US8280708B2 (en) 2003-05-15 2004-05-14 Configuration of tools and processes for metal forming

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CH8692003 2003-05-15
CH869/03 2003-05-15

Publications (1)

Publication Number Publication Date
WO2004102291A1 true WO2004102291A1 (de) 2004-11-25

Family

ID=33438106

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CH2004/000297 WO2004102291A1 (de) 2003-05-15 2004-05-14 Auslegung von werkzeugen und prozessen für die umformtechnik

Country Status (5)

Country Link
US (1) US8280708B2 (de)
EP (2) EP1830235A3 (de)
JP (1) JP4852420B2 (de)
DE (1) DE502004005362D1 (de)
WO (1) WO2004102291A1 (de)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005012385A1 (de) * 2005-03-17 2006-09-21 Siemens Ag Ansteuerung für eine durch mehrere Eingangsgrößen parametrierte Funktionseinheit
DE102005044197A1 (de) * 2005-09-15 2007-03-29 Volkswagen Ag Verfahren zur rückfederungskompensierten Herstellung von Blechformteilen
JP2007280381A (ja) * 2006-03-23 2007-10-25 Autoform Engineering Gmbh 工具パラメータをコンピュータ支援生成するための方法、データ処理システム、およびコンピュータプログラム、ならびにデータキャリア
AT505455B1 (de) * 2007-06-28 2009-03-15 Vres Ct For Tribotronics And T Lagerschale eines gleitlagers
EP3417349B1 (de) 2016-02-19 2022-01-19 Tomologic AB Verfahren und maschinensystem zur steuerung eines industriellen betriebs

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080255811A1 (en) * 2007-04-13 2008-10-16 Zi Qiang Sheng System and Method for Determining Surface Roughness
US8065116B2 (en) 2008-10-08 2011-11-22 Robert Bosch Gmbh Systems, methods, and tools for proofing a computer-aided design object
US8095341B2 (en) 2008-10-08 2012-01-10 Robert Bosch Gmbh Systems, methods, and tools for proofing a computer-aided design object
US8108060B2 (en) * 2009-05-13 2012-01-31 Taiwan Semiconductor Manufacturing Company, Ltd. System and method for implementing a wafer acceptance test (“WAT”) advanced process control (“APC”) with novel sampling policy and architecture
DE102010027440A1 (de) * 2010-07-17 2012-01-19 Audi Ag Verfahren zur Einrichtung eines Blechumformprozesses als Tiefziehprozess zur Herstellung von Tiefziehteilen, insbesondere von Karosseriebauteilen
US8560103B2 (en) * 2010-11-17 2013-10-15 Waldemar Kubli Method and computing system for designing a sheet-metal-forming process
US8478572B2 (en) * 2010-11-17 2013-07-02 Waldemar Kubli Method and system for processing and displaying sheet-metal-forming simulation parameters
EP2520992B1 (de) 2011-05-02 2014-04-16 Autoform Engineering GmbH Verfahren und Computersystem zur Charakterisierung eines geformten Metallblechteils
US20130325423A1 (en) * 2012-05-29 2013-12-05 Livermore Software Technology Corp Trim Line Determination In A Deep Draw Manufacturing of A Sheet Metal Part
US10394980B2 (en) * 2017-03-28 2019-08-27 Hexagon Technology Center Gmbh Method for generating a simulation-model
US10303822B2 (en) * 2017-03-30 2019-05-28 Livermore Software Technology Corp. Systems and methods of designing geometry of tool set in a numerical simulation of sheet metal forming operations including springback compensation
DE102021115638A1 (de) 2021-06-17 2022-12-22 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Simulation einer Deformation eines Fahrzeugstrukturmodells und Vorrichtung
WO2023069532A1 (en) * 2021-10-21 2023-04-27 Magna International Inc. Compressive stress forming systems and methods

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5377116A (en) * 1991-07-01 1994-12-27 Valenite Inc. Method and system for designing a cutting tool
DE19500245A1 (de) * 1994-02-04 1995-08-10 Ford Werke Ag Verfahren und Anordnung zur Unterstützung des Entwurfs von Blechformwerkzeugen
US5729462A (en) * 1995-08-25 1998-03-17 Northrop Grumman Corporation Method and apparatus for constructing a complex tool surface for use in an age forming process
EP0902344A2 (de) * 1997-09-09 1999-03-17 SALVAGNINI ITALIA S.p.A. Prozess zur automatischen Erzeugung einer Befehlensequenz für eine Bleichteilebiegemaschine
US6035242A (en) * 1997-07-07 2000-03-07 Amada Metrecs Company, Limited Bending simulation method
US6522979B1 (en) * 2000-10-18 2003-02-18 Northrop Grumman Corporation Fluid cell process modeling

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5150457A (en) * 1990-05-02 1992-09-22 International Business Machines Corporation Enhanced visualization using translucent contour surfaces
JPH10146697A (ja) * 1996-11-20 1998-06-02 Mitsubishi Electric Corp プレス加工シミュレーション方法
JP3437413B2 (ja) * 1997-07-07 2003-08-18 株式会社アマダ 曲げ加工のシミュレーション方法及びその装置
US6353768B1 (en) * 1998-02-02 2002-03-05 General Electric Company Method and apparatus for designing a manufacturing process for sheet metal parts
JPH11319971A (ja) * 1998-05-11 1999-11-24 Nissan Motor Co Ltd プレス成形における皺発生予測方法
US6349467B1 (en) * 1999-09-01 2002-02-26 General Electric Company Process for manufacturing deflector plate for gas turbin engine combustors
JP2001076022A (ja) * 1999-09-03 2001-03-23 Kobe Steel Ltd アルミニウム合金板からなる成形品の設計方法
WO2002003256A1 (en) * 2000-07-05 2002-01-10 Camo, Inc. Method and system for the dynamic analysis of data
JP2002126834A (ja) * 2000-10-20 2002-05-08 Nippon Yunishisu Kk 金型およびその設計装置、設計方法ないし製造装置、並びに、成形品
US7016825B1 (en) * 2000-10-26 2006-03-21 Vextec Corporation Method and apparatus for predicting the failure of a component
AU2002235516A1 (en) 2001-01-08 2002-07-16 Vextec Corporation Method and apparatus for predicting failure in a system
US6980939B2 (en) * 2001-06-18 2005-12-27 Ford Motor Company Method and system for optimizing the design of a mechanical system
US7158922B2 (en) * 2003-02-25 2007-01-02 Ispat Inland, Inc. System and method for prediction of panel performance under localized loading conditions

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5377116A (en) * 1991-07-01 1994-12-27 Valenite Inc. Method and system for designing a cutting tool
DE19500245A1 (de) * 1994-02-04 1995-08-10 Ford Werke Ag Verfahren und Anordnung zur Unterstützung des Entwurfs von Blechformwerkzeugen
US5729462A (en) * 1995-08-25 1998-03-17 Northrop Grumman Corporation Method and apparatus for constructing a complex tool surface for use in an age forming process
US6035242A (en) * 1997-07-07 2000-03-07 Amada Metrecs Company, Limited Bending simulation method
EP0902344A2 (de) * 1997-09-09 1999-03-17 SALVAGNINI ITALIA S.p.A. Prozess zur automatischen Erzeugung einer Befehlensequenz für eine Bleichteilebiegemaschine
US6522979B1 (en) * 2000-10-18 2003-02-18 Northrop Grumman Corporation Fluid cell process modeling

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HERRMANN M ET AL: "Process simulation of metal-forming processes. Some examples", January 1991, CIRP ANNALS, TECHNISCHE RUNDSCHAU, BERNE, CH, VOL. 1, NR. 40, PAGE(S) 285-289, ISSN: 0007-8506, XP002079417 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102005012385A1 (de) * 2005-03-17 2006-09-21 Siemens Ag Ansteuerung für eine durch mehrere Eingangsgrößen parametrierte Funktionseinheit
US7925685B2 (en) 2005-03-17 2011-04-12 Siemens Aktiengesellschaft Driver for a function unit parametrized by a number of input variables
DE102005044197A1 (de) * 2005-09-15 2007-03-29 Volkswagen Ag Verfahren zur rückfederungskompensierten Herstellung von Blechformteilen
JP2007280381A (ja) * 2006-03-23 2007-10-25 Autoform Engineering Gmbh 工具パラメータをコンピュータ支援生成するための方法、データ処理システム、およびコンピュータプログラム、ならびにデータキャリア
EP1903409A3 (de) * 2006-03-23 2009-08-05 Autoform Engineering Gmbh Methodenplanung
US7885722B2 (en) 2006-03-23 2011-02-08 Autoform Engineering Gmbh Method planning for manufacturing sheet-metal forming parts
EP2442194A1 (de) * 2006-03-23 2012-04-18 Autoform Engineering GmbH Methodenplanung
US8271118B2 (en) 2006-03-23 2012-09-18 Autoform Engineering Gmbh Method planning for manufacturing sheet-metal forming parts
JP2012248229A (ja) * 2006-03-23 2012-12-13 Autoform Engineering Gmbh 方法プランをコンピュータ支援決定するための方法、データ処理システム、およびコンピュータプログラム、ならびにデータキャリア
AT505455B1 (de) * 2007-06-28 2009-03-15 Vres Ct For Tribotronics And T Lagerschale eines gleitlagers
EP3417349B1 (de) 2016-02-19 2022-01-19 Tomologic AB Verfahren und maschinensystem zur steuerung eines industriellen betriebs

Also Published As

Publication number Publication date
EP1830235A3 (de) 2007-09-12
EP1623287A1 (de) 2006-02-08
JP4852420B2 (ja) 2012-01-11
US8280708B2 (en) 2012-10-02
EP1830235A2 (de) 2007-09-05
US20060287755A1 (en) 2006-12-21
DE502004005362D1 (de) 2007-12-13
JP2006528557A (ja) 2006-12-21
EP1623287B1 (de) 2007-10-31

Similar Documents

Publication Publication Date Title
EP1623287B1 (de) Auslegung von werkzeugen und prozessen für die umformtechnik
EP1989601B1 (de) System und verfahren zur analyse eines fertigungsprozesses
EP2999998B1 (de) Methode zur ermittlung eines modells einer ausgangsgrösse eines technischen systems
EP1665103A1 (de) Bestimmung eines modells einer geometrie einer blech-umformstufe
EP3479178B1 (de) Simulations-basierte regelung eines fertigungssystems unter beruecksichtigung eines vorab berechneten verarbeitungsfensters
DE112012002680T5 (de) Bearbeitungssimulationsvorrichtung und -verfahren
EP3188053A1 (de) Verfahren zum konfigurieren einer co-simulation für ein gesamtsystem
EP1055180B1 (de) Verfahren und anordnung zum entwurf eines technischen systems
EP2433185B1 (de) Vorrichtung und verfahren zum bearbeiten einer prozesssimulationsdatenbasis eines prozesses
EP3708945A1 (de) Auswertung von messdaten aus einer vermessung einer mehrzahl von werkstücken
DE69911066T2 (de) Verfahren zum modellieren der formung eines anisotropischen materials
DE102017221766A1 (de) Bearbeitungsprogramm-analysevorrichtung, bearbeitungsprogramm-analyseprogramm und bearbeitungsprogramm-analyseverfahren
WO2000033150A1 (de) Verfahren und anordnung zur reduktion einer anzahl von messwerten eines technischen systems
EP1556811A2 (de) Vorhersage des termintreuegrads in der serienfertigung
EP2996001A1 (de) Verfahren zur rechnergestützten Analyse eines Datensatzes aus Beobachtungen
EP1157311B1 (de) Verfahren und anordnung zum entwurf eines technischen systems
EP1214631B2 (de) Verfahren, anordnung und computerprogramm-erzeugnis zur simulation eines technischen systems
EP3491517B1 (de) Signalflussbasiertes computerprogramm mit direct-feedthrough-schleifen
DE102019107409A1 (de) Robustheitsanalyse bei Umformprozessen
EP1668433B1 (de) Verfahren und anordnung zur veränderung von numerischen feldwerten
DE102016001837B4 (de) Verfahren zur computerunterstützten Vorhersage der Form eines in einem Umformprozess umzuformenden Blech-Bauteils
DE102020215542A1 (de) Verfahren zum Betreiben eines UQ-Systems sowie UQ-System
EP4327171A1 (de) Verfahren zur steuerung von prozessen an kunststoff verarbeitenden maschinen
EP4130656A1 (de) Vorbereitung der auswertung von stichproben von messwerten einer messgrösse aus einer vermessung einer vielzahl von werkstücken durch ein oder mehrere koordinatenmessgeräte
DE102020200849A1 (de) Verfahren und Vorrichtung zur Prozessoptimierung einer Fertigungsprozesskette

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): BW GH GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LU MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2004732915

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2006529533

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 2006287755

Country of ref document: US

Ref document number: 10556920

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 2004732915

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 10556920

Country of ref document: US

WWG Wipo information: grant in national office

Ref document number: 2004732915

Country of ref document: EP