Multi-Objective Optimization of MAG Welding Parameters for Minimizing Distortion and Residual Stress in Industrial-Scale Heavy Machinery Assemblies

Wenn Metallteile durch Schweißen zusammengefügt werden, erzeugt die intensive Hitze ein verborgenes Problem, das die Festigkeit und Form massiver Maschinen beeinträchtigen kann. Während das Metall erhitzt wird, dehnt es sich aus, und beim Abkühlen zieht es sich zusammen. Da dieses Erhitzen und Abkühlen ungleichmäßig über eine große Struktur erfolgt, versuchen verschiedene Teile des Metalls, ihre Größe mit unterschiedlichen Geschwindigkeiten zu ändern. Dieser interne Kampf hinterlässt das fertige Werkstück mit einer dauerhaften Verformung, bekannt als Verzug, sowie mit unsichtbaren internen Kräften, den sogenannten Eigenspannungen. Wenn diese Probleme nicht kontrolliert werden, passt die Maschine möglicherweise nicht korrekt zusammen oder, schlimmer noch, sie könnte unter Druck versagen. Für die Hersteller von riesigen Forstgeräten, bei denen die Teile oft über einen Meter breit sind und enorme Hitze benötigen, um verbunden zu werden, ist die Lösung dieses Rätsels entscheidend für die Gewährleistung von Sicherheit und Präzision.

Forscher der Universität Tampere entwickelten in Zusammenarbeit mit dem Schwermaschinenhersteller Ponsse Oyj einen Weg, um diese Kräfte zu kontrollieren, ohne die Produktion zu verlangsamen. Sie konzentrierten sich auf eine spezifische Art des Schweißens, das Metallaktivgas-Schweißen (MAG-Schweißen), bei dem ein kontinuierlicher Gasstrom das geschmolzene Metall schützt, während es zwei große Stahlkomponenten eines Rahmenbauteils einer Forstmaschine verschmilzt. Das Team erstellte einen detaillierten digitalen Zwilling der Baugruppe, eine Computersimulation, die die Physik der realen Welt nachahmt. Dieses virtuelle Modell verfolgte, wie sich der Stahl erhitzte, wie er sich ausdehnte und wie er abkühlte, wobei die spezifische Art und Weise berücksichtigt wurde, wie sich das Metall unter extremen Temperaturwechseln verhält. Das Ziel war es, genau vorherzusagen, wo sich das Metall verbiegen würde und wo sich die internen Spannungen aufbauen würden, noch bevor in einer Fabrik der erste Funke übersprang.

Die Herausforderung bestand darin, dass das Ausführen dieser Simulationen unglaublich langsam und rechenintensiv ist. Eine einzige genaue Simulation des Schweißprozesses dauerte etwa fünf und eine halbe Stunde auf einem leistungsstarken Supercomputer. Um die perfekten Einstellungen zu finden, müssten die Forscher theoretisch tausende dieser Simulationen durchführen und jede mögliche Kombination von Spannung, Stromstärke, Geschwindigkeit und Startposition testen. Dies würde Jahre dauern. Um dieses Problem zu überwinden, entwickelte das Team eine intelligente, adaptive Strategie, die wie ein erfahrener Wegweiser fungierte. Anstatt blindlings jede Option zu testen, lernte ihr Algorithmus aus einer geringen Anzahl anfänglicher Tests, um vorherzusagen, welche Einstellungen vielversprechend waren. Er konzentrierte seine Bemühungen dann auf die interessantesten Bereiche der Suche und verfeinerte schrittweise sein Verständnis der besten Einstellungen, während er jene übersprang, die offensichtlich scheitern würden. Dieser Ansatz ermöglichte es ihnen, die optimale Lösung mit nur sechzig Simulationen zu finden – eine Aufgabe, die mit traditionellen Methoden unmöglich gewesen wäre.

Die Studie identifizierte vier Schlüsselvariablen, die die Schweißer steuern konnten: die elektrische Spannung, die Stromstärke, die Geschwindigkeit, mit der sich der Schweißbrenner bewegt, und den spezifischen Winkel, an dem das Schweißen beginnt. Die Forscher entdeckten, dass der Startpunkt des Schweißens genauso wichtig war wie die Geschwindigkeit oder die Leistung. Bei der Standardmethode beginnen Schweißer oft an derschlaggleicher Stelle für mehrere Durchgänge, was dazu führt, dass sich die Hitze in einem Bereich staut, was zu erheblicher Verbiegung führt. Durch die Änderung des Startwinkels für den zweiten Schweißdurchgang an einen anderen Ort auf dem Kreis wurde die Hitze gleichmäßiger verteilt. Diese einfache Anpassung verhinderte, dass sich das Metall in eine Richtung verbog, und reduzierte den endgültigen Verzug erheblich.

Die Ergebnisse dieser Optimierung waren beträchtlich. Das Team fand drei spezifische Parametersätze, die unterschiedliche Vorteile boten. Eine Kombination reduzierte den maximalen Verzug des Metalls im Vergleich zur Standardmethode um fast dreißig Prozent, während eine andere die internen Spannungen um etwa vier Prozent reduzierte. Eine dritte Option bot eine ausgewogene Verbesserung, indem sie den Verzug um etwa sechsundzwanzig Prozent und die Spannung um vier Prozent senkte. Diese Verbesserungen wurden erzielt, während der Schweißprozess innerhalb der strengen Sicherheits- und Qualitätsgrenzen blieb, die vom Hersteller gefordert werden. Die Forschung legt nahe, dass Fabriken durch eine sorgfältige Planung des Startpunkts des Schweißens und die Anpassung von Geschwindigkeit und Leistung stabilere, geradere Maschinen produzieren können, ohne ihre Ausrüstung ändern oder zusätzliche Kühlschritte hinzufügen zu müssen.

Diese Arbeit verdeutlicht, dass selbst in etablierten industriellen Prozessen durch sorgfältige Analyse noch Raum für signifikante Verbesserungen besteht. Die Forscher zeigten, dass die Art und Weise, wie die Hitze während des Schweißprozesses gesteuert wird, der primäre Treiber für Verzug ist, mehr als die gesamte eingesetzte Energiemenge. Durch den Einsatz fortschrittlicher Computermodelle, um diese thermischen Zyklen zu verstehen, lieferten sie einen praktischen Fahrplan für Ingenieure, um Abfall zu reduzieren und die Qualität zu verbessern. Obwohl die Ergebnisse durch Simulationen statt durch physische Tests an einer Maschine im vollen Maßstab bestätigt wurden, ist die Logik des Modells im bekannten Verhalten von Stahl verwurzelt. Die Studie bietet einen klaren Weg nach vorn für die Schwermaschinenindustrie und zeigt, dass ein intelligenterer Ansatz für den Startpunkt eines Schweißvorgangs zu einem viel geraderen, zuverlässigeren Endprodukt führen kann.