Dr.-Ing. Ingo Wagner
MAGMA Gießereitechnologie GmbH

Mauricio Velazquez Blandino
MAGMA Foundry Technology, Inc. Schaumburg IL, USA

Dr.-Ing. Jörg C. Sturm
Dr. E. Flender Holding GmbH

Die Vorhersage von Prozess und Kernqualität durch die Simulation der Prozessschritte zur Kernherstellung hat sich in den letzten Jahren etabliert. Fokus der Nutzung war zunächst primär die Unterstützung der Werkzeugauslegung zur technischen Absicherung der Kernqualität.
In den vergangenen Jahren sind die Simulationsmöglichkeiten rund um den Sandkern signifikant gewachsen. Dies betrifft sowohl den Einsatz in der Anorganik, die Bewertung von Kerngasen oder auch die Vorhersage von Kernverzug beim Gießen.
Durch die gewachsene Breite der Einsatzmöglichkeiten und die Nutzung von Simulationswerkzeugen zur virtuellen Versuchsplanung können heute neben der robusten Kernqualität verschiedenste Aspekte der gesamten Prozesskette "Kernfertigung" in Bezug auf ihre Kosten systematisch optimiert werden.
Kerne sind "schnell" produziert und Werkzeuge "einfach" geändert. Gleichzeitig sind viele Prozessschritte überdimensioniert ausgelegt, um die geforderte Kernqualität sicher herzustellen. Gerade in der Kernmacherei treten daher Kosten häufig "versteckt" in ineffektiven Nutzungszeiten der Anlagen oder durch nicht optimierten Personaleinsatz auf. Die Profitabilität der Kernmacherei ist an den verschiedensten Stellen abhängig von der Optimierung des OEE (Overall Equipment Effectiveness).
Der Beitrag zeigt an unterschiedlichen Anwendungsbeispielen auf, wie mit Hilfe der Methodik der virtuellen Versuchsplanung und Optimierung Kostentreiber in einzelnen Teilprozessen der Kernfertigung und -anwendung in der Kernmacherei identifiziert und optimiert werden können. Dabei erlaubt die Nutzung der virtuellen Versuchsplanung nicht nur die Identifizierung von (kosten-) optimalen Arbeitspunkten oder eines robusten Fertigungsfensters, es können gleichzeitig sowohl Kosten- als auch Qualitätsziele quantitativ verfolgt werden. Das erlaubt dem Fachmann, eine Entscheidung über den besten Kompromiss für beide Optimierungsziele zu treffen.