IPANEMA
PEM entwickelt neue Prüfmethoden für die Hairpin-Stator-Produktion
Der Lehrstuhl „Production Engineering of E-Mobility Components“ (PEM) der RWTH Aachen forscht im Projekt „IPANEMA“ an neuartigen Prüfmethoden für die Produktion sogenannter Hairpin-Statoren. Um die aufwendige Herstellung dieser Komponenten effizienter zu machen, die für die Leistung von Elektromotoren entscheidend sind, sollen bei dem Vorhaben im Rahmen des Zentralen Innovationsprogramm Mittelstand (ZIM) der Bundesregierung auch Konzepte des maschinellen Lernens zum Einsatz kommen.
Vorteil: Vielversprechende Möglichkeiten
Um dem steigenden Bedarf im Elektrofahrzeugmarkt gerecht zu werden, wurden in den vergangenen Jahren innovative Elektromotor-Topologien entwickelt. Dabei hat sich vor allem die Hairpin-Technologie etabliert, deren Bezeichnung auf die haarnadelförmige Geometrie der Kupferleiter zurückgeht. Die Technologie bietet sowohl auf der Produkt- als auch auf der Prozessseite hohe Potenziale. Im Gegensatz zu etablierten Verfahren, bei denen ein kontinuierlicher Runddraht in das Statorblechpaket eingelegt wird, werden bei der Hairpin-Stator-Technologie einzelne Steckspulenelemente aus massivem Kupferflachdraht in das Blechpaket eingeschoben, bevor sie miteinander kontaktiert werden. Dies ermöglicht hohe Kupferfüllfaktoren und bietet damit vielversprechende Möglichkeiten mit Blick auf Leistung und Effizienz bei gleichzeitig guter Eignung für die automobile Massenproduktion.
Nachteil: Aktuelle Prüfverfahren sind nur bedingt geeignet
Derzeit gilt der Erfahrungsschatz mit den zur Produktion von Hairpin-Wicklungen erforderlichen Technologien noch als gering. Außerdem bestehen bis dato einige technische Herausforderungen. Vor allem der zeitliche und finanzielle Aufwand, der in die Verbesserung der Gesamtanlageneffektivität fließen muss, ist enorm hoch. Momentan lässt er sich nur durch den Einsatz geeigneter Mess- und Prüfmethoden in Kombination mit neuen Anwendungen aus dem Bereich des „Smart Data Management“ gewährleisten. Aktuelle Methoden – beispielsweise optische Prüfverfahren – sind im Rahmen der Prozesskette des Hairpin-Stators jedoch nur für einzelne Qualitätskennzahlen geeignet und zudem äußerst kostenintensiv. Da optische Prüfverfahren außerdem nur erfassen können, was sichtbar ist, bleiben etwa nicht-sichtbare Isolationsfehler unerkannt. End-of-Line- (EoL-) Prüftechniken werden erst am Schluss der Produktionskette angewendet, wodurch die Fehlerkosten aufgrund der bereits eingebrachten Wertschöpfung enorm hoch sind.
Lösung: Früherkennung von Fehlern in der Prozesskette
Ziel des Forschungsprojekts „IPANEMA“ ist es daher, qualitäts- und sicherheitsrelevante Fehler im Rahmen der Hairpin-Stator-Prozesskette frühzeitig zu identifizieren, um die sich daraus ergebenden Kosten möglichst gering zu halten. Neben neuartigen Prüftechnologien bieten auch bestimmte Datenmanagement-Anwendungen aus dem „Industrie 4.0“-Bereich hohes Potenzial, die Gesamtanlageneffektivität nachhaltig zu erhöhen.
Im Branchenportal „Automobil Industrie“ ist ein Bericht zum Thema zu finden.
Das Projekt
- „IPANEMA“: Innovative Prüfmethoden in Kombination mit einem Machine-Learning-Konzept für die Hairpin-Stator-Produktion
Forschungsziele
- Entwicklung eines marktfähigen und serientauglichen Prüfverfahrens mit integriertem Machine-Learning-Konzept
- Ermöglichung einer höheren Prozessstabilität und besseren Produktqualität bei gleichzeitigen Kosten- und Zeitvorteilen
Forschungs- und Projektpartner
PEM der RWTH Aachen
API Hard- und Software GmbH
Laufzeit
01.03.2020 bis 31.03.2022
Projektträger
AiF (ZIM-Kooperationsprojekt)
Förderkennzeichen
- ZF4676803PO9
Zuwendungsgeber