CosiMo、バッテリーボックスカバーシミュレーション向け先進スマート熱可塑性RTMを実証

「持続可能なモビリティのための複合材料」（CosiMo）プロジェクトは、フォルシア・クリーン・モビリティ（フランス、ナンテール）によって2018年に開始されました。インテリジェント金型からのデータ、射出成形機およびホットプレスからの機械データを含む包括的なセンサーネットワークを使用し、スマート熱可塑性複合材料樹脂移行成形（RTM）プロセスを開発するものです。プロジェクトは2021年末までに完了予定で、CosiMoパートナーは、リアルタイムセンサーデータを実験室データおよびシミュレーションデータからの材料パラメータと組み合わせたクローズドループ制御に関する知見と経験を得ています。CosiMoは、バイエルン州経済・地域開発・エネルギー省によってCampus Carbon 4.0プログラムの枠組みで資金提供されています。

デモンストレーション部品

長さ1,100mm、幅530mmのデモンストレーション部品は、ドイツ・アウクスブルクにあるフォルシア・クリーン・モビリティの研究センターによって設計されました。目的は、金属およびフォームコア、複雑な形状、様々な曲率半径、2.5〜10mmの厚み変化など、材料とプロセスの限界を探ることでした。アウクスブルクの繊維技術研究所（ITA）施設から、最大1,000g/㎡のガラス繊維不織布が提供されました。ガラス繊維ノンクリップファブリック（NCF）と局所補強用カーボンファイバー単方向テープも調査されました。これらのガラス繊維材料により、使用済み複合部品（EOL）からのリサイクル繊維の利用が可能になります。

プロセス設備

フォルシア・クリーン・モビリティによる部品設計とアウクスブルクで製造されたプリフォーミングツールに基づき、CosiMoでのT-RTMプロセスにはクラウスマッファイ（ドイツ、ミュンヘン）の3K（3成分）射出成形機が使用されました。このプロセスは、テクナリア（スペイン、ドノスティア・サン・セバスティアン）が特許を持つ2Kプロセスの派生形で、2016年のドイツ・デュッセルドルフでのKショーでクラウスマッファイによって実証されたものです。3K射出成形機は、ヴィッカート（ドイツ、ランダウ・イン・デア・プファルツ）の4,400kNホットプレスと組み合わせられ、そこにスチール製RTM金型が設置されました。RTM金型は、ドイツ・ディートフルトのジーベンヴルストによって製造されました。

プロジェクトの主目的は、センサー搭載RTM金型とホットプレスを用いたシングルステップT-RTMプロセスの完全自動化とセンサーベースのプロセス制御を調査することでした。ドイツ航空宇宙センター（DLR）軽量生産技術センター（ZLP、アウクスブルク）によって、このプロジェクトで約100個のデモンストレーション部品が製造されました。「これらの部品は、様々な補強材で作られ、高品質で高い再現性を示しました」と、DLR ZLPのCosiMo製造プロジェクトリーダー、ヤン・ファーバー氏は述べています。

「HAP 3 - インテリジェント・ツーリング」ワークパッケージのプロジェクトリーダーとして、DLR ZLPは、「HAP 1 - テーラード不織布」および「HAP 2 - 反応性システム」ワークパッケージにおける基本的な材料特性評価と、「HAP 4 - データ駆動型プロセス制御」の間の重要なインターフェースも提供しました。

センサーネットワーク

スチールRTM金型には、樹脂注入中およびインシチュ重合中のプロセスパラメータを監視するために、70個以上のセンサーが統合されました。このネットワークは、キスラー（スイス、ヴィンタートゥール）の圧力/温度複合センサー、ネッチュ（ドイツ、ゼルプ）の誘電センサー、アウクスブルク大学が開発した超音波センサーなど、多様なセンサーで構成されています。後者は、広く使用されている市販の圧電センサーの概念に基づいていますが、熱可塑性複合材料加工の高温と金型内統合要件に対応するように改良されています。材料、プロセス、機械データは、中央データ収集システム（イバAG、ドイツ、フュルト製）によって収集、処理され、機械学習プラットフォームに公開されました。

プロセスシミュレーションと最適化

センサーネットワークにより、樹脂流動と重合の監視、複雑な金型形状における部品パラメータの追跡が可能になりました。温度や圧力などのプロセスパラメータを用いて、リアルタイムの樹脂充填と重合挙動を分析しました。

センサーからのプロセスパラメータデータは、プロセスシミュレーションモデルの最適化にも使用されました。事前に定義された製造デモンストレーターに基づき、部品製造のサブプロセス（樹脂充填シミュレーションなど）と重合部品の特性（歪みシミュレーションなど）が、ESI PAM compositesソフトウェア（ESIグループ、フランス、ルンジス）でモデリングされました。DLR ZLPは、これらのシミュレーション結果を実プロセスデータと比較し、HP3ワークパッケージの活動の一環としてT-RTMプロセスを最適化しました。

プロジェクトはその後、機械学習手法に基づく自動化されたシミュレーションデータ駆動型プロセス制御を開発しました。アウクスブルク大学のソフトウェア・システム工学研究所（ISSE、ライフ教授）が機械学習用トレーニングデータを生成し、重合状態、重合に必要な時間、樹脂注入、充填、重合サブプロセス中の潜在的問題を予測する人工知能（AI）モデルを開発しました。これは、クカ（ドイツ、アウクスブルク）との協力で行われました。

重合進行を記述する運動モデルは、アウクスブルク大学の材料資源管理研究所（MRM）によって開発されました。ネッチュも重要な協力者で、熱硬化性プロセス監視の知識を熱可塑性プロセス監視に転用し、予測AIモデルがPA6重合の完了時期と重合状態を予測できるよう支援しました。

部品製造と試験

部品製造では、スチール金型を170℃に加熱し、反応性カプロラクタム樹脂成分を120℃に加熱しました。プリフォームを金型に配置し、金型を閉じました。プリフォームが金型温度に達するまで短時間保持した後、カプロラクタムモノマーを注入し、20〜25秒かかりました。プロセスシミュレーションでは、注入後5.7分で98.5%の転化率でインシチュ重合が完了することが示されました。この後、プレスを開き、170℃で部品を脱型しました。

重合度は、赤外分光法、レオメトリックデータ、DEAセンサーによる重合分析で確認されました。完成部品は、顕微鏡検査、サーモグラフィ、空気結合超音波などの非破壊試験で評価されました。部品品質はプロセスセンサーデータと相関付けられ、市場に出回っている類似のガラス繊維/熱可塑性部品と比較されました。

今後の展開

ファーバー氏によると、DLR ZLPにとってこのプロジェクトは成功でした。「我々は担当部分を完了し、センサーを使用して複合材料加工の完全デジタルクローズドループ制御を達成するための多くの知識を開発しました」と彼は言います。「工業的な大量生産では、これほど多くのセンサーを設置することはなく、我々もそれを期待していません。しかし、この研究調査のために、この大規模なセンサーネットワークは非常に精密で、プロセスと材料挙動への完全な可視性を得るのに役立ちました。部品厚や統合材料（フォームコアなど）の変化に対するプロセスの局所的な影響を見ることができました。」

彼は、このプロジェクトが多くの知識を生み出し、より遅いRTMおよびインフュージョンプロセスへの応用可能性があると指摘しています。そこでは、部品品質問題のリスクが歴史的に非常に高かったからです。ファーバー氏は、CosiMoプロジェクトの進展と結果を、「カプロラクタムを用いたT-RTM製造におけるインシチュ重合のセンサーベースプロセス監視」として、SAMPE Europe 21会議（セッション1、ルーム1 - 自動車）で2021年9月29日（水）に発表する予定です。

DLR ZLPは、2021年1月に設立されたアウクスブルクAI（人工知能）生産ネットワークの3つの主要パートナーの1つでもあり、アウクスブルク大学とフラウンホーファー鋳造・複合材料・加工技術研究所（Fraunhofer IGCV）も参加しています。AI生産ネットワークのディレクターであり、CosiMoプロジェクト研究者として超音波センサーを開発しているマルクス・ザウゼ博士は、「CosiMoプロジェクトで強調されたこの協力の青写真を、はるかに大規模に拡張し、複合材料に強い焦点を当てた生産のためのAI技術を開発していきます。アウクスブルクにある新しい5,000平方メートルの施設が2022年にオープンし、来年にかけて様々な機械が導入される予定で、企業が生産現場での実プロセスにAIが何ができるかをデモンストレーションで見られるようになります」と語っています。

一方、フォルシア・クリーン・モビリティは、CosiMoプロジェクトで得た知見を社内で展開していく予定で、これはフォルシアの持続可能性戦略と生態学的転換と完全に一致しています。フォルシアはまた、この研究プロジェクトを財政的に支援したバイエルン州経済・地域開発・エネルギー省に感謝しています。