Ein hybrides RSM–sphärisch‑fuzzy WASPAS‑Framework zur robusten tribologischen Optimierung richtungsgewalzter Kupferstäbe unter Herstellungsunsicherheit

Warum glattere winzige Bauteile wichtig sind

Von miniaturisierten medizinischen Implantaten bis zu haarfeinen Kanälen, die Bluttröpfchen in einem Lab‑on‑a‑Chip führen: Viele moderne Geräte bauen auf winzige Metallteile aus Kupfer. Wenn die Kupferoberfläche verschleißt, sich erwärmt oder beim Umformen zu stark haftet, können diese Teile Risse bekommen, ihre Maße verändern oder frühzeitig ausfallen. Diese Studie untersucht, wie man das Walzen und den Gleifkontakt von Kupferstäben so abstimmt, dass Hersteller auch bei unvollkommenen Realbedingungen konsistente, langlebige Mikrobauteile erzeugen können.

Wie aus Kupferstäben winzige Becher werden

Die Arbeit beginnt mit hochreinen Kupferstäben, die richtungsgewalzt werden — das heißt, sie werden in einer Haupt­richtung gedrückt und gestreckt. Dieses Walzen verändert die Gefügestruktur des Metalls, macht es stärker und verschleißresistenter, aber auch empfindlicher gegenüber der Behandlung. Die gewalzten Stäbe werden anschließend in einem Standard‑Pin‑on‑Disk‑Versuch geprüft, bei dem ein abgerundeter Stift unter kontrollierter Last, Geschwindigkeit und Weg über eine Kupferoberfläche gleitet. Gleichzeitig werden die Stäbe zum Tiefziehen winziger becherförmiger Teile — ähnlich kleinen Dosen — verwendet, um zu prüfen, wie sich das Oberflächenverhalten beim Gleiten auf das reale Umformverhalten überträgt.

Verschleiß, Wärme und Reibung messen

Um das Prozessverhalten zu verstehen, verfolgt das Team sechs Schlüssgrößen: wie schnell Material abgetragen wird, wie stark die Oberflächen aneinander reiben, wie viel Masse verloren geht, wie groß die verschlissene Stelle wird, welche Kraft nötig ist, um das Gleiten aufrechtzuerhalten, und wie stark die Temperatur ansteigt. Sie variieren vier Hauptparameter, die die Fabrik steuern kann: die Druckkraft auf den Stift, die Gleithäufigkeit (Geschwindigkeit), die zurückgelegte Strecke und wie stark das Kupferblech in einen Becher gezogen wird (Ziehverhältnis). Mit einem statistischen Werkzeug namens Response Surface Modeling erstellen sie glatte Gleichungen, die diese Parameter mit den sechs Ergebnissen verbinden, und überprüfen diese Modelle mithilfe von Kreuzvalidierung, Fehleranalyse und Zufallssimulationen, um sicherzustellen, dass die Vorhersagen auch bei schwankenden Bedingungen zuverlässig bleiben.

Die besten Einstellungen unter Unsicherheit auswählen

Reale Produktionslinien sind unordentlich: Sensoren sind nicht perfekt, die Reibung kann von Bauteil zu Bauteil variieren, und Experten sind sich nicht immer einig, welches Ergebnis am wichtigsten ist. Um damit umzugehen, fügen die Autoren eine zweite Analyseebene hinzu, die Entscheidungsfindung eher wie menschliches Urteilen behandelt. Sie verwenden eine „sphärisch‑fuzzy“ Methode, die es erlaubt, jede mögliche Prozesseinstellung nicht nur als gut oder schlecht, sondern mit Graden von Zustimmung, Zweifel und Ablehnung zu beschreiben. Ein Rangverfahren kombiniert dann zwei gängige Bewertungsweisen — eine additive (gewichtete Summen) und eine multiplikative — um zu entscheiden, welche Kombination aus Last, Geschwindigkeit, Strecke und Ziehverhältnis das beste Gesamtgleichgewicht aus geringem Verschleiß, niedriger Reibung, geringer Erwärmung und stabilen Maßen liefert.

Wie optimale und schlechteste Bedingungen aussehen

Das hybride Framework zeigt einen klaren Gewinner und Verlierer. Die günstigste Bedingung kombiniert hohe Last, schnelles Gleiten, kurze Gleitstrecke und das kleinste Ziehverhältnis. Bei diesem Rezept weist das Kupfer eine geringe Verschleißrate, moderate Reibung, kleine Temperaturerhöhung und stabile Bechermaße auf; die Modellvorhersagefehler liegen im Vergleich zu Experimenten unter fünf Prozent. Im gegensätzlichen Extrem führt die Kombination derselben hohen Last mit langsamer Geschwindigkeit, langer Gleitstrecke und größtem Ziehverhältnis zu starker Erwärmung, tieferen und breiteren Verschleißspuren und intensiverem Materialabtrag. Aus den Daten erstellte Verschleißkarten zeigen einen fließenden Übergang von mildem, überwiegend oxidativem und leicht adhäsivem Verschleiß im guten Bereich zu starkem adhäsivem und abrasivem Verschleiß bei harten Bedingungen.

Warum dieses Framework wichtig ist

Für Nicht‑Spezialisten ist die Kernbotschaft, dass die Studie ein praxisnahes Rezept liefert, um winzige Kupferteile zuverlässiger zu machen, indem sie sowohl die Physik des Verschleißes als auch die Unschärfe realer Fabrikentscheidungen gleichzeitig berücksichtigt. Anstatt sich auf einen einzelnen Test oder eine Faustregel zu verlassen, verbindet das Framework sorgfältige Experimente, statistische Modellierung und ein flexibles Entscheidungssystem, das mit Unsicherheit und widersprüchlichen Zielen umgehen kann. Obwohl sich die Arbeit auf trockenes Gleiten von Kupferstäben konzentriert, lässt sich dieselbe Strategie auf neue biokompatible Metalle wie Magnesium und Zink sowie auf geschmierte Bedingungen ausweiten und unterstützt Ingenieure dabei, glattere, sicherere mikroumgeformte Komponenten für medizinische und andere hochpräzise Anwendungen zu entwerfen.

Zitation: Sivam, S.P.S.S., Kesavan, S. & Johnson Santhosh, A. A hybrid RSM–spherical fuzzy WASPAS framework for robust tribological optimization of directionally rolled copper rods under manufacturing uncertainty. Sci Rep 16, 15097 (2026). https://doi.org/10.1038/s41598-026-42132-8

Schlüsselwörter: Kupferverschleiß, Mikroumformen, Tribologie, Oberflächenoptimierung, fuzzy Entscheidungsfindung