AT_Logo

Verschleißererkennung in der Zerspanungstechnik

Verschleißbeurteilung von Bauteilen anhand hochfrequenter Rohdaten durch die Kombination unterschiedlicher Prozessdaten

/

Rechtzeitiges erkennen des Alterungsprozesses von Werkzeugen.

Verhinderung eines Stillstands der CNC Maschine durch gebrochenes Werkzeug.

Herausforderung

Während der Produktion (Inline) soll eine Qualitätskontrolle erfolgen, sodass schon vor Entstehen von Qualitätsproblemen eingegriffen werden kann. Zudem soll ein Zusammenhang von Prozessergebnisse und der Prozessdaten hergestellt werden, damit Systemvariablen während der Bearbeitung bereits angepasst werden können.  

Lösung

Ein AI Modell wird mit historischen Daten eines gesunden Maschinenzustandes trainiert, sodass die Spindelleistung anhand vergangener Maschinendaten vorhergesagt werden kann. Wird das Modell dann produktiv gesetzt, wird diese Vorhersage im Anschluss mit der tatsächlich gemessenen Spindelleistung verglichen. Eine hohe Abweichung zeigt dann, dass bei einem normal verlaufenden Prozess eine andere Leistung zu erwarten wäre und die Wahrscheinlichkeit für ein Defekt am Werkzeug hoch ist.  

Ergebnis

Das Eintreten des Werkzeugs in den Alterungsprozess konnte aufgrund von veränderten Mustern in den Prozessdaten von dem AI Modell rechtzeitig erkannt werden. Zukünftig kann somit die Maschine frühzeitig gestoppt und das Werkzeug ausgewechselt werden, ohne dass es zu einem Bruch des Werkzeugs und damit einhergehend einen längeren Stillstand der CNC Maschine kommt.

Haben Sie Interesse an eigenen Use Cases?