Zustands- und Prozessoptimierung mittels Schwingungs-Analyse
Ausgangssituation
Die Vibrations- bzw. Schwingungs-Analyse im Werkzeugmaschinenbau bietet Vorteile im Bereich der Zustandsüberwachung z.B. im Hinblick auf den Zustand des Werkzeugs. Im Bereich der Prozessoptimierung bei Serienprozessen bietet sich ein deutliches Einsparpotenzial bei gleichzeitiger Gewährleistung der Prozesssicherheit. Beides gelingt nach Stand der Technik durch ausreichend viele Vergleichsmessungen und eine Überwachung mittels sogenannter „Hüllkurven“. Eine solche Hüllkurvenanalyse zur Zustandsüberwachung bei Bauteilen oder zur Prozessoptimierung bei der Einzelteilfertigung kommt dabei jedoch an ihre Grenzen. Hierbei kann nur eine Künstliche Intelligenz (KI) bzw. Maschinelles Lernen (ML) helfen, um Prozessauffälligkeiten automatisch zu erkennen und zu bewerten.
Projektablauf
Mithilfe von KI soll der Zustand von Spindeln im laufenden Betrieb ermittelt bzw. überwacht werden. Sensordaten aus der Spindel sind bereits verfügbar. Dabei zeigen sich speziell bei den Sensordaten der Schwingungssensoren komplexe Muster. Hier wird erwartet, dass sich Prozessauffälligkeiten mit Methoden des Maschinellen Lernens im Vergleich zu klassischen Methoden der Prozessüberwachung frühzeitiger erkennen lassen.
Im Rahmen des Quick Checks wurden Use-Cases für den Einsatz von Maschinellem Lernen im Betrieb von Werkzeugspindeln erarbeitet. In einem ersten Schritt wurde das Potenzial von vorhandener, integrierter Sensorik evaluiert. Es hat sich gezeigt, dass die Messdaten sehr gute Voraussetzungen für die Zustands- und Prozessoptimierung bieten. Anschließend wurden vier Use-Cases aus den Bereichen Spindelüberwachung, Werkzeugüberwachung und Prozesszustandserfassung entwickelt. In allen vier Use-Cases hat Maschinelles Lernen eine sehr hohe Relevanz. Die Firma Kessler wählte ein Use-Case aus, bei dem eine ausgeprägte Technologieverbesserung erwartet wird. Die Realisierung des Use-Case erfolgt im Nachgang zu dem Quick Check.
Projektnutzen
- Verbesserte Zustands- und Prozessüberwachung mittels Schwingungs-Analyse kann die Qualität der gefertigten Bauteile erhöhen
- Verbesserte Ressourceneffizienz aufgrund Vermeidung von Ausschuss
- Optimale Ausnutzung der Werkzeugstandzeit für Endanwender*innen
Beteiligte Industriepartner
- Kessler Franz GmbH
Die Zusammenarbeit mit dem Fraunhofer IPA hat uns sehr geholfen, unsere Ideen zur Datenanalyse von Schwingungen zu priorisieren und entsprechende Use Cases abzuleiten. Das hat uns motiviert, zusätzlich zu klassischen Auswertemethoden, die Potentiale des Maschinellen Lernens zu nutzen.
bestätigt Daniel Weiß, Testimonial der Kessler Franz GmbH.
Gefördert durch
