Intelligente Maschine: Prozessplanung selbstgemacht

Bild: Institut für Fertigungstechnik und Werkzeugmaschinen, Leibniz Universität Hannover

Das Projekt Learn WZS des Intituts für Fertigungstechnik und Werkzeugmaschinen bringt Maschinen das selbstoptimierende Werkzeugschleifen bei. „Das Einfahren und die Optimierung neuer Prozesse ist bei der Werkzeugherstellung sehr kosten- und zeitintensiv, mit diesem Projekt lernt die Maschine mit jedem Prozess dazu und kann den Ressourcenaufwand der Prozessplanung deutlich verringern“, erklärt Michael Wulf vom Institut für Fertigungstechnik und Werkzeugmaschinen (IFW) der Leibniz Universität Hannover. Das Projekt setzt Methoden des maschinellen Lernens ein und schafft eine umfangreiche Datenbank, die für Forscher weltweit zur Verfügung steht.

Die Prozessplanung und die optimale Einstellung der Prozessparameter sind vor allem für hochdynamische Anwendungen wie das Werkzeugschleifen sehr zeit- und kostenintensiv. Oftmals sind erfahrene Mitarbeiter erforderlich, die eine Vielzahl von Praxisversuchen durchführen müssen. Die Einstellung der Prozessparameter ist stark von der Erfahrung der Mitarbeiter abhängig und führt nicht immer zu einem optimal eingestellten Fertigungsprozess. Außerdem ist für jedes neue Material, für jede neue Schleifscheibe und für jede neue Prozessgeschwindigkeit eine erneute Einstellung der Parameter erforderlich. Wulf: „Trotz der aufwändigen Prozedur möchten die Kunden oftmals nur kleine Losgrößen zu möglichst geringen Preisen abnehmen. Das erhöht den Druck auf die Produzenten enorm und erfordert neue Lösungen.“

Das Projekt überwindet diese Herausforderung und stellt die Prozessplanung neu auf. Dabei ist eine Datenbank mit unterschiedlichen Prozessparametern und den resultierenden Werkstückendaten die Grundlage. Neue Datensätze kommen laufend in Form von gemessenen Werkstückeigenschaften und den zugehörigen Fertigungsparametern hinzu. Als Werkstückeigenschaften stehen vor allem die Formhaltigkeit, die Oberflächenqualität und die Eigenschaften der Randzone im Fokus.

Mit den gesammelten Datensätzen erstellen automatisierte Methoden des maschinellen Lernens Prognosemodelle, um die Werkstückeigenschaften unbekannter Prozesse vorauszusagen. Die Prognosegüte verbessert sich ständig, da die Datenbank immer weiterwächst. Dadurch kann die Maschine die Parameter schon vor der Fertigung optimieren und es sind keine Versuche mehr vor dem eigentlichen Start der Produktion erforderlich. Zudem benötigen die Mitarbeiter weniger Prozesswissen, was Urlaubsvertretungen oder den Ersatz eines kranken Mitarbeiters deutlich vereinfacht.

„Wir erreichen eine selbstoptimierende Werkzeugmaschine, die eigenständig Entscheidungen auf analytischen und empirischen Grundlagen trifft. Das minimiert die erforderlichen Ressourcen zur Prozessplanung und steigert so die Wettbewerbsfähigkeit der Werkzeugproduzenten. Die Entlastung der Maschinenbediener trägt außerdem zu einer angenehmeren Arbeitsatmosphäre bei“, fasst Wulf das Ziel des Projektes zusammen. Abschließend enthält das Projekt noch die Entwicklung einer allgemeinen Methodik, die das Prinzip der selbstoptimierenden Maschine auch auf andere Maschinentypen und weitere Prozesse überträgt.


  • Maintenance verzeichnet Besucherzuwachs

    Mit einem Besucherzuwachs von 25 Prozent ziehen die Veranstalter der Messen Maintenance und Pumps & Valves ein positives Fazit und wollen die…


  • Koenig & Bauer setzt Wachstumskurs fort

    Koenig & Bauer hat im zurückliegenden Geschäftsjahr 2023 seinen Wachstumskurs aus dem Vorjahr fortgesetzt. Demnach stieg der Umsatz des Konzerns um 12%…


  • Verbindungstechnik neu gedacht

    Edelstahl ist der Materialstandard für Installationen im Reinraum, für Abfüll-, Verpackungs- und Förderanlagen in der Lebensmittelindustrie und für alle korrosionsgefährdeten Bereiche. Leider…


  • NEONEX, Fabasoft Approve & KSB: „Win-win-win-Situation“ durch starke Partnerschaft

    Im Zuge einer Smart-Factory-Potenzialanalyse für ihren Kunden KSB identifizierte die Managementberatung NEONEX Opti mierungschancen bei der Beschaffung der Lieferantendokumentation sowie der Erstellung…