Projektbeschreibung
Kurzbeschreibung
Im Rahmen des Vorhabens "autoPre" werden innovative biobasierte Faser-Kunststoff-Verbund-Materialien und relevante Preform-Fertigungsprozesse durch eine interdisziplinäre Nachwuchsforschergruppe in intensiver Kooperation der Fakultäten Maschinenbau und Wirtschaftswissenschaften der Technischen Universität Chemnitz untersucht. Am Beispiel der Herstellung eines Faser-Kunststoff-Verbund-Bauteils sollen eine automatisierte Prozesskette und ein Methodensystem zur Bewertung ihrer Nachhaltigkeit entwickelt und angewendet werden.
Ausgangssituation
Die sächsische Wirtschaft steht vor der Herausforderung, sich in einem zunehmend wettbewerbsintensiven globalen Markt zu behaupten und gleichzeitig den Erwartungen an Nachhaltigkeit gerecht zu werden. In diesem Kontext gewinnen biobasierte Faser-Kunststoff-Verbunde (FKV) und ihre innovative, automatisierte sowie ressourcen- und kosteneffiziente Fertigung an Bedeutung. Die Entwicklung und Bereitstellung einer anwendungsbezogenen Auslegung textiler Halbzeuge in Kombination mit einer vollautomatisierten Fertigung nachhaltiger Preforms unter Nutzung des Life Cycle Engineering (LCE) würden signifikante Potenziale sowohl für eine auf Nachhaltigkeit ausgerichtete Wirtschaftsentwicklung in Sachsen als auch für die Erforschung von FKV-Materialien und -Fertigungsprozessen sowie deren Bewertung eröffnen.
Ziel
Das Ziel der Nachwuchsforschergruppe besteht darin, die reproduzierbare, kosten- und energieeffiziente Fertigung von Preforms für innovative und biobasierte Faser-Verbundbauteile unter Anwendung von Industrie 4.0- und LCE-Methoden zu erforschen, um einen Beitrag zur Entwicklung CO2-armer und nachhaltiger Herstellungsmethoden zu leisten. Hierbei werden die Eigenschaften und Kennwerte verfügbarer biobasierter Materialsysteme untersucht sowie deren Machbarkeit und Eignung für FKV-Bauteile evaluiert. Mit der Verknüpfung der Finite-Elemente-Methode (FEM) und des Life Cycle Engineering (LCE) wird angestrebt, die Identifikation von Materialkombinationen mit vorteilhaften mechanischen Eigenschaften, geringen Kosten und einem reduzierten CO2-Fußabdruck zu ermöglichen. Des Weiteren soll die Integration von Bilderkennung und Künstlicher Intelligenz zur Überwachung, Digitalisierung und Automatisierung des Fertigungsprozesses beitragen.
