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.

Institut für Fertigungstechnik und

Das könnte Sie auch Interessieren

Bild: ISW Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen
Bild: ISW Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen
Echtzeitsteuerung aus der Cloud

Echtzeitsteuerung aus der Cloud

Die Stuttgarter Maschinenfabrik bildet eine vollständig digitalisierte
Produktionsumgebung ab, in der maßgeschneiderte Produkte innerhalb der physikalischen Grenzen selbstorganisiert hergestellt werden können. Das erfordert eine neue technologische Infrastruktur, die auf dem Einsatz konvergenter Kommunikationstechnik und Echtzeit-Virtualisierung basiert. Zur Verwaltung virtualisierter Echtzeit-Steuerungsanwendungen bedarf es Erweiterungen von Orchestrierungswerkzeugen, die Cloud-Computing den notwendigen Determinismus ermöglichen.

Bild: INOSOFT GmbH
Bild: INOSOFT GmbH
Die Software hinter 
den Leitkegeln

Die Software hinter den Leitkegeln

X-Cone ist ein System zur Verwaltung von Leitkegeln im Straßenverkehr. Dessen Hersteller Buchhaus nutzt eine
Visualisierungslösung von Lenze, in der wiederum VisiWin 7 von Inosoft integriert wurde. Eine HMI-Software, die webbasiertes Arbeiten und Responsive Design unterstützt.

Bild: Uhlmann Pac-Systeme
Bild: Uhlmann Pac-Systeme
Weniger Risiko 
und bessere Qualität

Weniger Risiko und bessere Qualität

Die Industrie muss immer flexibler und schneller auf ihre Märkte reagieren, das gilt auch für Pharmaunternehmen. Infolgedessen werden Lieferzeiten ein zunehmend
entscheidendes Thema. Uhlmann Pac-Systeme, Systemanbieter für das Verpacken von Pharmazeutika aus Laupheim, wollte deshalb kürzere Durchlaufzeiten, beschleunigte Prozesse und Mehrkörpersimulation erreichen – und setzt dabei auf Simulationssoftware von Machineering.

Bild: Institut für Fertigungstechnik und Werkzeugmaschinen an der Leibniz Universität Hannover
Bild: Institut für Fertigungstechnik und Werkzeugmaschinen an der Leibniz Universität Hannover
Neues Modalanalysesystem mit bis zu 32 Sensoren

Neues Modalanalysesystem mit bis zu 32 Sensoren

Zur Schwingungsanalyse von Maschinen wurde am IFW ein neues Modalanalysesystem Simcenter SCADAS mobile der Firma Siemens beschafft. Hiermit ist es möglich sowohl die Eigenfrequenzen der Maschine oder eines Bauteils mit einer Modalanalyse, als auch die während des Prozess auftretenden Schwingungen mit einer Betriebsschwingungsanalyse zu identifizieren.

Bild: Contrinex Sensor GmbH
Bild: Contrinex Sensor GmbH
Taschenspieler

Taschenspieler

Smarte Sensoren sind das Herzstück der digitalen Fabrik: Sie machen
Anwendungen wie Condition Monitoring oder Predictive Maintenance überhaupt erst möglich. Die intelligenten Sensoren von Contrinex eignen sich für zahlreiche Einsatzgebiete, denn sie vereinen mehrere Erfassungsmodi in einem einzigen Gerät. Jetzt hat das Unternehmen als Zubehör das Tool PocketCodr-Konfigurator auf den Markt gebracht, mit dem sich die Sensoren ohne IT-Kenntnisse einrichten und abfragen lassen.