Van gerecycled staal tot veerkrachtige productie: de kracht van moderne CAx en Digital Twins

Gerecycled (“groen”) staal neemt een centrale plaats in binnen het streven van de staalindustrie om door duurzame innovatie koolstofarme staalproductie mogelijk te maken. Maar om te kunnen omgaan met de verwachte variatie in materiaaleigenschappen van groen staal in industriële dieptrekprocessen, is een end-to-end digitale strategie nodig. In het kader van het Nederlandse programma “Groeien met Groen Staal” (GGS) is een project gestart dat laat zien hoe een speciaal adaptief dieptrekproces met behulp van een modern, op CAx gebaseerd digitaal-twin-framework op een betrouwbare en schaalbare wijze het omvormen van legeringen met gerecycled materiaal mogelijk maakt. Dit project wordt ondersteund door het Fraunhofer Innovation Platform for Advanced Manufacturing at the University of Twente (FIP-AM@UT) en uitgevoerd in samenwerking met Tata Steel, Volvo, Philips en DevControl.

1. Variabiliteit in materiaaleigenschappen als uitdaging voor groen staal
Het omvormproces voor autopanelen is lange tijd geoptimaliseerd geweest voor staalsoorten met nauwgedefinieerde chemische en mechanische eigenschappen. Groene staalsoorten kunnen daarentegen aanzienlijke verschillen vertonen in vloeigrens, vervormbaarheid en uithardingsgedrag. Als hier niets aan wordt gedaan, leiden deze variaties tot kostbare herbewerkingen van matrijzen, verhoogde uitvalpercentages en lange opstarttijden telkens als er een nieuwe rol arriveert. We pakken dit aan door aanpasbaarheid in te bouwen in elke fase, van virtueel ontwerp tot uitvoering op de fabrieksvloer.

2. CAx-gedreven ontwikkeling en de hybride digital twin
De kern van onze aanpak is een geïntegreerd CAx-ecosysteem dat het volgende verenigt
• Parametrische CAD voor het ontwerpen van onderdelen, matrijzen en matrijshouders
• Geavanceerde CAE voor virtuele validatie
• Procesplanning voor optimalisatie van de blanco lay-out
• Surrogaatmodellering voor real-time voorspelling
• CAM voor het genereren van machinaal uitvoerbare besturingsreeksen

Alleen de meest invloedkritische kenmerken – posities van de trekdrempels, flenshoogtes en contouren van de plooihouder – worden als softwareparameters weergegeven, zodat praktische flexibiliteit zonder onnodige complexiteit gegarandeerd is. Blank-shape algoritmes maken de blenk automatisch op maat om de trekdiepte in balans te brengen en randrimpels te onderdrukken bij verschillende staalsterktes.

Betrouwbare eindige-elementenanalyses kwantificeren vervolgens het risico op elastische terugvering, verdunning en rimpeling over een representatieve set van eigenschappen van groen staal. In plaats van alleen te vertrouwen op lange simulaties, worden de belangrijkste input-outputrelaties (bijv. terugveerhoek versus vloeigrens) gedistilleerd om lichtgewicht surrogaatmodellen te trainen – Gaussiaanse procesregressoren of compacte neurale netwerken die CAE-resultaten in milliseconden reproduceren. Door deze modellen weer op te nemen in het CAx-platform ontstaat een hybride digital twin, die voorspellingsnauwkeurigheid combineert met real-time reactiesnelheid.

3. CAx-ingebedde adaptieve besturing
Wat maakt het adaptief? Traditionele stanslijnen werken met statische machine-instellingen die afgeleid zijn van offline tests; bij elke verschuiving in het materiaalgedrag worden handmatige aanpassingen gedaan, die resulteren in kostbare stilstandtijd. Adaptieve besturing stemt die instellingen automatisch af – voor en tijdens elke slag – door gebruik te maken van live materiaalgegevens en tijdens het proces verzamelde gegevens.

Door gebruik te maken van de hybride digital twin binnen een verbonden CAx-omgeving, implementeren we een feed-forward plus feedback lus die een conventionele pers verandert in een zelfoptimaliserend systeem.

• Feed-forward configuratie
De twin leest het digitale materiaalpaspoort van een coil in – werkelijke spanning-rekkromme, vloeigrens, dikte – en voorspelt hoe die batch zich zal gedragen. De optimale afstelling van de trekdrempels, de kracht van de plooihouder, de slagsnelheid en de kussendruk worden berekend en rechtstreeks in de CAM-code geschreven, waardoor de pers vanaf de eerste slag een op maat gemaakt recept krijgt.

• Feedbackverfijning
Tijdens het vormen sturen in-line sensoren (krachtmeters, verplaatsingsmeters, DIC-camera’s) live gegevens terug naar de surrogaattwin. Voorspeld en werkelijk gedrag worden binnen milliseconden vergeleken, waarna automatische aanpassingen van nokprofielen, schuiftrajecten of blenkhouderbewegingen de lus zonder menselijke tussenkomst sluiten.

Door een anticiperende feed-forward opstelling te combineren met een onmiddellijke feedbackcorrectie binnen één CAx-module, wordt elke spoel, ongeacht de variatie in eigenschappen, gevormd onder optimale omstandigheden, waardoor handmatig aanpassen van de matrijs overbodig wordt en de doorvoer gewaarborgd blijft.

4. Verwachte voordelen en vooruitzichten
Proeven in de pilotlijn zullen aantonen hoe elke binnenkomende rol bij de eerste poging opmerkelijk dicht bij de bedoelde geometrie kan worden gestempeld. We verwachten een duidelijke sprong in eerste successen, een aanzienlijke daling in uitval en herbewerking, en veel snellere omschakelingen wanneer een nieuwe batch arriveert. In meer algemene zin biedt dit raamwerk met een CAx-ondersteunde digital twin een flexibele routekaart voor het omvormen van gerecycled staal, niet alleen voor autopanelen, maar overal waar hoge precisie en duurzaamheid hand in hand gaan.

5. Bouwen aan kennis voor de toekomst
De knowhow en tooling ontwikkeld bij het FIP-AM@UT, samen met projectpartners en in nauwe samenwerking met andere kennisontwikkelingsinitiatieven binnen GGS, vormen een overdraagbare basis voor de volgende golf van productie-innovatie. Dezelfde CAx-methoden, datapijplijnen en adaptieve besturingsconcepten kunnen worden uitgebreid naar toekomstige projecten – of ze nu gaan over omvormen, lichtgewicht legeringen of geheel nieuwe productfamilies – zodat de inzichten die hier zijn opgedaan de komende jaren vorm blijven geven aan veerkrachtige, koolstofarme productie.

dr. habil. Celal Soyarslan is universitair hoofddocent aan de Faculteit Technische Natuurwetenschappen van de Universiteit Twente en Fraunhofer Innovation Platform for Advanced Manufacturing. Zijn onderzoek omvat geavanceerde gebieden zoals computationele homogenisatie, metamaterialen, continuümmechanica en geavanceerde materiaalmodellering. Hij onderzoekt het complexe gedrag van massieve stoffen onder vervorming en breuk, waarbij hij numerieke simulaties naadloos integreert met experimentele methodes. Met zijn expertise in eindige-elementenanalyse en algoritmeontwikkeling verbetert hij ook productieprocessen door middel van hybride benaderingen, waarbij hij theoretische mechanica koppelt aan praktische technische innovatie.