Über das Projekt
Ziel des Projektes sind statistische Methoden zur Modellierung, tagesgenauen Optimierung, Kontrolle und Steuerung von thermischen Spritzprozessen. Der Hochgeschwindigkeitsflammprozess zur Beschichtung von Oberflächen zeichnet sich durch große Partikelgeschwindigkeiten aus, wodurch Schichten mit hoher Festigkeit erreicht werden. Wegweisend in der Projektarbeit ist die Messung und Nutzung von Partikeleigenschaften im Flug. Dadurch kann ohne aufwendige Messungen der gespritzten Schichten auf tagesbedingte Veränderungen reagiert werden. Das Projekt lebt erfolgreich die Kooperation zwischen Statistik und Maschinenbau. Statistisch erforscht werden Versuchspläne, Prognosemodelle sowie Methoden der Prozessoptimierung. Versuchspläne werden so erstellt, dass sie mit möglichst wenigen Versuchen die für die statistische Modellbildung notwendigen Informationen liefern. Mit Modellen für Erwartungswerte und Kovarianzmatrizen multipler Qualitätsmerkmale werden die Ursache-Wirkungs-Zusammenhänge zwischen einstellbaren Parametern und Qualitätsmerkmalen unter Einbeziehung von Unsicherheit erfasst. Methoden der robusten Prozessoptimierung liefern anschließend Prozesseinstellungen, bei denen Qualitätsmerkmale der gespritzten Schicht gewünschte Zielwerte mit minimaler Variation erreichen.
Fördergeber
Deutsche Forschungsgemeinschaft (DFG)
German Research Foundation
https://gepris.dfg.de/gepris/projekt/140555865 (Öffnet in einem neuen Tab)
Förderprogramm / Forschungsprogramm
DFG-Sonderforschungsbereiche
Collaborative Research Centers of the German Research Foundation
Kooperations-/Projektpartner
Prof. Dr.-Ing. Dipl.-Wirt.Ing. Wolfgang Tillmann, TU Dortmund, Fakultät Maschinenbau, Lehrstuhl für Werkstofftechnologie; http://www.lwt.mb.tu-dortmund.de/cms/de/Lehrstuhl/index.html (Öffnet in einem neuen Tab)
Ressourcen
Publicationen
Dette, H., Hoyden, L., Kuhnt, S., & Schorning, K. (2017), "Optimal designs for thermal spraying", Journal of the Royal Statistical Society, Ser. C, 66(1), 53-72
Erdbrügge, M., Kuhnt, S., & Rudak, N. (2011). Joint optimization of independent multiple responses. Quality and Reliability Engineering International, 27(5), 689–703.
Kirchhoff, D., Kuhnt, S., Bloch, L., & Müller, C. H. (2020). Detection of circlelike overlapping objects in thermal spray images. Quality and Reliability Engineering International.
Kuhnt, S., Rehage, A., Becker-Emden, C., Tillmann, W., & Hussong, B. (2016), "Residual analysis in generalized function-on-scalar regression for an HVOF spraying process", Quality and Reliability Engineering International, 32(6), 2139–2150
Kuhnt, S., & Rudak, N. (2013). Simultaneous Optimization of Multiple Responses with the R Package JOP. Journal of Statistical Software, 54(9), 1–23.
Kuhnt, S., Tillmann, W., Brinkhoff, A., & Becker-Emden, E.-C. (2019), "Langlebige Maschinenteile: Wie statistische Versuchsplanung Verschleißschutz optimiert", in: Krämer, W., Weihs, C. (Eds.). Faszination Statistik, Springer, Berlin Heidelberg, 164-171
Rudak, N., Hussong, B., & Kuhnt, S. (2015). Simultaneous optimization of multiple correlated responses with application to a thermal spraying process. Quality and Reliability Engineering International, 31(7), 1223–1238.
Rudak, N., Kuhnt, S., & Riccomagno, E. (2014). Modeling of a Thermal Spraying Process by Gaussian Chain Graphs. Quality Technology & Quantitative Management, 11(1), 85–98.
Tillmann, W., Kuhnt, S., Hussong, B., Rehage, A., & Rudak, N. (2012). Introduction of a day effect estimator in order to improve the prediction of particle properties in an HVOF spraying jet. Thermal Spray Bulletin, 2, 132–139.
Kontakt & Team
Ansprechperson und Leitung
Prof. Dr.-Ing. Dipl.-Wirt.Ing. Wolfgang Tillmann
M. Sc. Alexander Brinkhoff