ODE_AM | Datenmanagment mit Wissengraphen und Ontologien zur Optimierung der Additiven Fertigung

Im Projekt ODE_AM untersucht das Fraunhofer IGCV, wie Wissensgraphen (Ontologien) eingesetzt werden können, um Einflussfaktoren entlang dreier metallischer additiver Fertigungsverfahren – mit einem Fokus auf das selektive Laserstrahlschmelzen – zu erfassen, zu strukturieren und in eine Softwareapplikation zu integrieren. Damit sollen z. B. optimierte Prozessparameter bestimmt werden und eine vernetzte Materialbibliothek entstehen.

Zunächst wurde eine detaillierte Datenflussanalyse entlang der einzelnen Prozessschritte durchgeführt – von der Designphase mit STL-Modellen und den Rohstoffeigenschaften bis hin zu den finalen Bauteileigenschaften. Durch Interviews mit den Domainexperten und -expertinnen wurden die Fachbegriffe aus den Domänen erfasst, in einem Glossar strukturiert und in den Wissensgraphen überführt. Für die aufwandsarme Datenakquise und den -abruf wurde ein Workflow erarbeitet.

Eine erste prototypische Web-Applikation ermöglicht es nutzerfreundlich die Daten zu importieren und wieder abzurufen. So können bspw. mit wenigen Klicks die Baujobdateien und Testdaten in den Wissensgraphen importiert werden.

Die im Hintergrund strukturierten und vernetzten Daten können dann zur Beantwortung der individuellen Fragestellungen, bspw. der Prozessparameterwahl abgerufen werden.

Beim Scannen des QR-Codes werden die in der Ontologie hinterlegten Bauteil-, Prozess- und Materialkennwerte abgerufen und angezeigt. Die Inhalte lassen sich flexibel anpassen, sodass zukünftig die gesamte Fertigungs- und Verarbeitungshistorie des Bauteils abrufbar ist.

Die entwickelten Methoden und der Wissensgraph sind sowohl für den gesamten Lebenszyklus (von Rohstoff bis Recycling) als auch für die betrachteten Prozesse flexibel erweiterbar. Ein Beispiel hierfür ist die Zusammenarbeit mit dem Luftfahrtzulieferer Cotesa GmbH im Rahmen des Projekts »HybridDigital«, in welchem die Verarbeitung von Hybridwerkstoffen untersucht wird.