Ziel des Vorhabens ist die Entwicklung eines intelligenten, simulations- und datenbasierten Systems zur Bestimmung optimaler Sprühstrahlgeometrien für die Schmierstoffapplikation beim Gewindeformen. Ausgangspunkt ist die Herausforderung, dass bestehende Sprüh- und Mini-malmengenschmiersysteme trotz etablierter Technik häufig Streuverluste, unzureichende Benetzung und instabile Tropfendynamik aufweisen. Dadurch werden Prozessstabilität, Schmierstoffeffizienz und Werkzeugstandzeit begrenzt.
Im Projekt werden experimentelle Untersuchungen, strömungsmechanische Simulationen und KI-gestützte Optimierungsverfahren kombiniert. Dazu wird zunächst eine modulare Testumgebung aufgebaut, mit der Sprühwinkel, Düsenpositionen, Tropfengrößen, Luftströmungen und Werkstückbewegungen systematisch untersucht werden können. Parallel dazu werden CFD-Modelle entwickelt und validiert, um die Wechselwirkungen zwischen Düsengeometrie, Luftströmung, Tropfenbewegung und Benetzungsverhalten realitätsnah abzubilden.
Auf dieser Grundlage werden mathematische Modelle und Optimierungsalgorithmen entwickelt, die eine maximale Benetzungsgenauigkeit bei minimalem Schmierstoffverbrauch anstreben. Ergänzend werden datengetriebene Verfahren, insbesondere Machine Learning, eingesetzt, um aus Mess- und Simulationsdaten optimale Sprühstrahlparameter abzuleiten und diese perspektivisch an variierende Prozessbedingungen anzupassen. Die berechneten Geometrien und Parameter werden anschließend experimentell validiert und mit bestehenden Lösungen verglichen.
Langfristig soll das Vorhaben in eine anwenderorientierte Software- und Schnittstellenlösung überführt werden, die eine Integration in industrielle Anwendungen ermöglicht. Das Projekt leistet damit einen Beitrag zu einer ressourceneffizienten, prozesssicheren und adaptiven Schmierstoffapplikation im Gewindeformprozess.