A198

Bewertung der Streubänder im Langzeitverhalten von warmfesten Stählen mit Hilfe der Anwendung von Data-Mining-Methoden

(A198 S 24/10056/2003)

Laufzeit der Forschungsarbeiten: 1. Januar 2005 - 30. Juni 2006

Das Ziel des Forschungsvorhabens war die Anwendung von Data-Mining-Werkzeugen zu genaueren, d. h. chargenspezifischen Bestimmung der Zeitstandfestigkeit von Stahllegierungen bzw. deren exaktere Einordnung in das Streuband des betreffenden Stahls. Darüber hinaus war darzustellen, welcher Datenumfang für eine erfolgreiche Umsetzung des Data-Mining notwendig ist bzw. an welchen Stellgrößen erfahrungsbasierte, werkstoffkundliche Relationen ableitbar sind.

Im Rahmen dieses Vorhabens wurde die Methode der Modellierung mit künstlichen Neuronalen netzen (Kurz NN) für den mit Messdaten gut belegten Werkstoff X20CrMoV12-1 in den Modifikationen: X20 /1.4922, X22 (1.4923) und X21 (1.426) mit der Software Data Engine angewendet. Die Daten wurden vor der Verwendung bzw. Auswertung evaluiert und klassifiziert, um zum einen auszuschließen, dass das neuronale Netz auf der Grundlage unzulässiger Daten trainiert wird bzw. zu ermitteln, welcher Datenumfang für eine erfolgreiche Auswertung notwendig ist. Als Merkmale wurden unterschiedliche Halbzeugformen, Festigkeitsklassen und Normen sowie die zur Verfügung stehenden Daten zur chemischen Analyse, zur Wärmebehandlung, Zeitstandfestigkeit sowie Zugfestigkeit und Streckgrenze bei RT herangezogen.

Es hat sich als zielführend gezeigt, eine sorgfältige Abwägung der Daten bzw. der Anzahl der Merkmale vorzunehmen. Erfolgreich war besonders die Heranziehung von metallkundlichem Erfahrungswissen über das Verhalten des Stahls aus der Literatur (oder bei neuen Stahlsorten aus laufenden Forschungsprogrammen) bezüglich der Einflüsse der chemischen Analyse, der Wärmebehandlung sowie der Verarbeitung und Herstellung, mit denen man die Belernung und damit die Prognostizierung des NN plausibel machen kann. Mit eingeschlossen in diesen Prozess sind Sensitivitätsanalysen anhand bekannter Datensätze, mit denen man die Genauigkeit der Prognostizierung abschätzen kann. In diesem Zusammenhang konnte auch dargestellt werden, welcher Datenumfang (Datenebene 1) für den vorliegenden Stahl insbesondere zur Berücksichtigung der Einflüsse der Legierungselemente (C, W, Mo, Ni und Mn) und der Austenitisierungstemperatur erforderlich ist, wobei dies nicht für beliebige Stähle verallgemeinert werden kann.

Das Ergebnis des Vorhabens wie folgt zusammengefasst werden:

- Es konnte gezeigt werden, dass das verwendete NN die unterstellten metallkundlichen Zusammenhänge abarbeitet.
- Die Rahmenbedingungen für die erfolgreiche Belernung des Neuronalen Netzes konnten ermittelt werden.
- Die Ergebnisse der Prognostizierung haben sich vor dem Hintergrund plausibel erwiesen.

Das Vorhaben hat damit die Zielsetzung erreicht, zu demonstrieren, dass die Methode der Neuronalen Netze (Data Mining) ein hohes Anwendungspotenzial bezüglich der Einschätzung einer individuellen Schmelze hat. Damit eröffnet sich eine direkte Umsetzungsmöglichkeit in die In-dustrie im Rahmen von Erschöpfungsanalysen für kriechbeanspruchte Bauteile. Die Verwendung chargenspezifischer Zeitstandkennwerte bei der Berechnung der verbrauchten Lebens-dauer führt zu einer besseren Bauteilausnutzung, da die seither in der Berechnung verwendete untere Streubandgrenze der Zeitstandfestigkeit als konservativ anzusehen ist. Damit verbunden ist auch unter Umständen ein geringerer Aufwand bei der Überwachung, da kritische Erschöpfungswerte erst später erreicht werden.

Forschungsstelle 1:
Materialprüfungsanstalt Uni Stuttgart (MPA) Otto-Graf-Institut
www.mpa.uni-stuttgart.de
 
Forschungsleiter 1:
Prof. Dr.-Ing. E. Roos

Forschungsstelle 2:
Institut für Metallformung der TU Bergakademie Freiberg
www.imf.tu-freiberg.de
 
Forschungsleiter 2:
Prof. Dr.-Ing. R. Kawalla (vorgelegt vom Wirtschaftsverband Stahlbau und Energietechnik e.V., Düsseldorf (SET) für Fachverband Dampfkessel-, Behälter- und Rohrleitungsbau e.V. (FDBR))

Das Forschungsvorhaben wurde gefördert von der Stiftung Stahlanwendungsforschung im Stifterverband für die Deutsche Wissenschaft e.V.

Bezugsquelle Schlussbericht:
bitte wenden Sie sich an die AVIF