Anzeige
Anzeige
Anzeige
Beitrag drucken

Machine Learning für Prozessparameter

Die intelligente Werkzeugmaschine

Selbsterregte Schwingungen führen in der Zerspanung schnell zu einer schlechten Bearbeitungsqualität. Konservative Prozessstellgrößen beugen dem vor, kosten aber Produktivität. Dies kann sich nun mit Hilfe von maschinellem Lernen (ML) ändern. Mit dieser KI-Technologie können Werkzeugmaschinen aus dem Fertigungsprozess lernen, welche Stellgrößen geeignet sind und diese autonom anpassen.

Mit Sensordaten und Simulation Prozesse vollständig erfassen. (Bild: Leibniz Universität Hannover)

Mit Sensordaten und Simulation Prozesse vollständig erfassen. (Bild: Leibniz Universität Hannover)

Die Wahl von Prozessstellgrößen wie Schnittgeschwindigkeit fordert Expertenwissen sowie kosten- und zeitintensive Einfahrprozesse. Ändern sich die Prozessbedingungen, beispielsweise aufgrund thermischer Einflüsse oder Werkzeugverschleiß, sollten die Prozessstellgrößen neu angepasst werden. Nur so kann weiterhin möglichst produktiv gearbeitet werden. Eine prozessparallele, autonome Adaption ist bisher nur vereinzelt in einfachen Fällen möglich, etwa beim Vorschub. Am Institut für Fertigungstechnik und Werkzeugmaschinen (IFW) in Hannover wird erforscht, wie Werkzeugmaschinen mit künstlicher Intelligenz lernen können, welche Parameter besonders geeignet sind und wie diese autonom an die aktuelle Prozesssituation anzupassen sind. Dafür werden sowohl Prozessinformationen aus Beschleunigungs- und Dehnungssensoren, wie auch eine prozessparallele Abtragssimulation zur Ermittlung der aktuellen Eingriffsbedingungen verwendet.

Prozessstellgrößen ermitteln

Eine der größten Herausforderungen in der Zerspanung sind unerwünschte, durch den Prozess verursachte sogenannten Ratterschwingungen. Diese führen zu einer verringerten Oberflächenqualität und können Werkzeug und Maschinenkomponenten schädigen. Das Auftreten von Ratterschwingungen ist insbesondere von der eingestellten Kombination aus Schnitttiefe und Spindeldrehzahl abhängig. Für die Wahl geeigneter Parameter, die gleichzeitig zu einer hohen Produktivität und Prozessstabilität führen, werden Stabilitätskarten eingesetzt. Diese werden zur graphischen Darstellung des Verhältnisses zwischen Drehzahl und maximal erreichbarer Grenzschnitttiefe verwendet. Die Erstellung von Stabilitätskarten erfordert zeit- und kostenintensive Experimente sowie ein hohes Maß an Expertenwissen. Zeitliche Veränderungen des Schwingungsverhaltens können bei diesen Verfahren bisher nicht berücksichtigt werden. Aufgrund dessen wird eine Methode benötigt, mit der geeignete Prozessstellgrößen einfach ermittelt und im Prozess autonom angepasst werden können. Der Einsatz von Machine Learning ermöglicht es, kontinuierlich aus der Erfahrung von vorangegangen Prozessen zu lernen. Damit können Stabilitätskarten stetig besser abgebildet und schließlich zur autonomen Wahl und Adaption der Prozessstellgrößen eingesetzt werden.

Sensordaten und Simulation

Damit die Algorithmen aus den Prozessen die Zusammenhänge zwischen Schnittparametern und Schwingungsverhalten erlernen, werden Informationen über die aktuellen Eingriffsbedingungen und über die dynamischen Eigenschaften der Maschine benötigt. Dafür wurde die am IFW entwickelte Abtragssimulation CutS mit der Maschinensteuerung verknüpft, sodass aktuelle Achspositionen aus der Maschinensteuerung direkt in die Simulation übertragen werden. Die Simulation dient so als eine Art Softsensor, der prozessparallel die aktuellen Eingriffsbedingungen bestimmt. Um unerwünschte Schwingungen zu erkennen, werden am Spindelschlitten applizierte Beschleunigungs- und Dehnungssensoren verwendet. Die Daten dieser Sensoren werden zusammen mit den berechneten Eingriffsbedingungen und den aktuellen Spindeldrehzahlen aus der Maschinensteuerung in einem Echtzeitsystem erfasst und ausgewertet. Durch die gemeinsame Datenerfassung können die Sensordaten zu jedem Zeitpunkt den tatsächlichen Eingriffsbedingungen zugeordnet werden.


Das könnte Sie auch interessieren:

Falsch geplante Anlagen können unnötige Kosten in großer Höhe verursachen. Sorgfältiges Engineering zeichnet sich dadurch aus, gängige Fallstricke zu vermeiden und verfügbare technische Hilfsmittel wie CAD-Tools und Virtual Reality passend einzusetzen.‣ weiterlesen

Wie bereits im April blieb der Auftragseingang der deutschen Maschinenbauer auch im Mai weit unter dem Niveau des Vorjahres. Die Bestellungen blieben 28 Prozent unter dem Vorjahreswert.‣ weiterlesen

Selbst in hoch automatisierten Fertigungsumgebungen gibt es Maschinenbediener, Instandhalter oder Logistikmitarbeiter, die eine Produktion beobachten und eingreifen. Und solange Menschen Verantwortung tragen, müssen Informationen im Werk vermittelt werden. Mit einer Andon-Anwendung lässt sich das motivierend und effizienzsteigernd strukturieren, gerade wenn weitere Prozessoptimierungsmethoden umgesetzt werden.‣ weiterlesen

Augenstein Maschinenbau plant, entwickelt und fertigt individuelle Automatisierungslösungen für Produktionsprozesse. Eine Visualisierungssoftware liefert dabei früh ein erstes Bild der Anlage. Das schafft Klarheit und hilft dem Vertrieb quasi nebenbei, den Auftrag überhaupt an Land zu ziehen.‣ weiterlesen

Im Projekt ‘Kitos – Künstliche Intelligenz für TSN zur Optimierung und Störungserkennung‘ arbeiten Wissenschaftler und Ingenieure gemeinsam an Lösungen für ein dynamisches Netzwerkmanagement in der Industrie.‣ weiterlesen

Laut statistischem Bundesamt hat sich die Industrie im Mai von den Einbrüchen verursacht durch die Corona-Pandemie etwas erholt. Die Produktion legte zu, verfehlt das Mai-Ergebnis des Vorjahres jedoch um 19,3 Prozent.‣ weiterlesen

Zwei Drittel (66 Prozent) der Unternehmensleiter weltweit sind optimistisch, dass sich der europäische Markt relativ schnell vom wirtschaftlichen Abschwung durch die COVID-19-Pandemie erholen wird. Das geht aus einem Report des Beratungsunternehmens Accenture hervor, der auf einer Umfrage unter fast 500 C-Level-Führungskräften in Europa, Nordamerika und im asiatisch-pazifischen Raum in 15 Branchen basiert.‣ weiterlesen

Wie die Kommunikation in der Arbeitswelt zukünftig aussehen kann, erforschen derzeit die Fraunhofer-Institute für Arbeitswirtschaft und Organisation IAO und für Produktionstechnik und Automatisierung IPA. Dabei steht der digitale Zwilling im Mittelpunkt.‣ weiterlesen

Der ERP-Anbieter Proalpha hat einen neuen Chief Sales Officer. Zum 1. Juli hat Michael T. Sander die Position übernommen. Er folgt auf Andree Stachowski.‣ weiterlesen

Ein Produkt online konfigurieren und sofort bestellen: Was für Verbraucher alltäglich ist, gewinnt auch im B2B-Bereich an Bedeutung. Mit dem Configure-Price-Quote-Ansatz und entsprechender Software kann diese Variantenvielfalt angeboten werden, ohne den Vertrieb zu überlasten oder die Customer Journey aus dem Blick zu verlieren.‣ weiterlesen

Kürzere Durchlaufzeiten, Abläufe und Sequenzen simulieren und frühe Aussagen zu Konzepten und deren Verifikationen treffen zu können - das waren die Wünsche der österreichischen SEMA Maschinenbau. Die Software IndustrialPhysics von Machineering leistet genau das.‣ weiterlesen

Anzeige
Anzeige
Anzeige