Beim Werkzeugschleifen hat das IFW im Projekt LearnWZS eine Methode zur effizienten Fertigung maßhaltiger Werkzeuge entwickelt und getestet, die eine Reduktion der Maßabweichung am Kerndurchmesser um 83% gegenüber herkömmlichen Prozessen bewirkt. Dafür wurde neben einer prozessparallelen Simulation der lokalen Eingriffsgrößen auch eine Prognose der Prozesskraft mit Hilfe maschinell lernender Modelle eingesetzt. Auch die Übertragbarkeit der Modelle zwischen mehreren Werkstoffen und Schleifscheiben wurde erforscht.
Das Projekt wurde 30 Monate von der Deutschen Forschungsgemeinschaft gefördert und ist nun abgeschlossen. Um die Mitarbeitenden in der Prozessplanung zu unterstützen, entwickelte das IFW im Rahmen des Projekts eine Methode, die mit einer Stellgrößenauslegung in Kombination mit einer Adaption der Bahnplanung die Fertigung verbessern soll. Als Ausgangspunkt wurde dafür eine prozessparallele Simulation aufgebaut, mit der sowohl die lokalen Eingriffsgrößen als auch steuerungsinterne Daten aus der Werkzeugschleifmaschine synchron erfasst werden konnten. Implementiert wurde das Vorgehen in die geometrische Materialabtragsimulation CutS des IFW. CutS stellt aufgrund der dexelbasierten Berechnung eine leistungsfähige Grundlage dar. Das Aufbereiten der Daten sowie die Erweiterung mit Metadaten zur Geometrie und zum Material der verwendeten Produktionsdaten wurde ebenfalls betrachtet.
Im zweiten Arbeitspaket entstanden empirische Modelle der Prozesskraft in Abhängigkeit der lokalen Eingriffsgrößen. Dafür wurden sowohl die lokalen Kontaktlängen als auch die äquivalenten Spandicken aus der Simulation des Materialabtrags genutzt. Zusätzlich entstand eine umfangreiche Datenbasis aus Nutenschleifprozessen mit unterschiedlichen Schleifscheiben und Werkstoffen, mit deren Daten verschiedene Modelle maschinell angelernt wurden. Die Modelle dienten der Prognose der Maßabweichungen sowie der Oberflächenrauheit. Dabei wiesen neuronale Netze eine um durchschnittlich 37,9% höhere Prognosegüte als Modelle der Stützvektormethode auf. Im Zuge einer Smart-Factory-Potenzialanalyse für ihren Kunden KSB identifizierte die Managementberatung NEONEX Opti mierungschancen bei der Beschaffung der Lieferantendokumentation sowie der Erstellung von Unterlagen zur Qualitätsprüfung entlang der Supply-Chain. ‣ weiterlesen
Signifikante Ressourceneinsparung bei Pumpenhersteller KSB
NEONEX, Fabasoft Approve & KSB: „Win-win-win-Situation“ durch starke Partnerschaft
Signifikante Ressourceneinsparung bei Pumpenhersteller KSB
Nachdem die Vorhersage der Prozessqualität gesichert wurde, konnte eine Prozessoptimierung durch eine Variation der Prozessstellgrößen mit unterschiedlichen Heuristiken aufgebaut werden. Durch seine zuverlässige Identifikation eines globalen Qualitätsoptimums hat sich der Algorithmus simulated annealing als besonders geeignet erwiesen.
Für die Optimierung wurden sowohl die Oberflächenrauheit als auch die Prozesszeit als Zielgrößen vorgegeben. Die Maßhaltigkeit blieb dabei unberücksichtigt, da sie anschließend durch eine Adaption der Schleifscheibenbahn entlang des Biegebalkenmodells kompensiert wurde. Die Parametrierung des Modells erfolgte mit der Prozesskraftprognose sowie mit den Flächenträgheitsmomenten des Werkzeugquerschnitts aus der Materialabtragsimulation und erreichte eine Reduktion der Maßabweichung von 83%.
Das letzte Arbeitspaket umfasste die Übertragung der Methode auf unterschiedliche Schleifscheibenspezifikationen und -zustände. Die Ergebnisse zeigten, dass ein Datensatz zumindest 30 Datenpunkte enthalten muss, um aussagekräftige Modelle aufzubauen. Darüber hinaus konnte das Einsatzverhalten der Schleifscheibe nach dem Schärfen mit unterschiedlichen Parametern dargestellt werden.
„Die Prozessplanung kann durch die entwickelte Methode auf ein vertieftes Prozesswissen sowie auf eine optimierte Werkzeugbahn zurückgreifen, um die Wettbewerbsfähigkeit der Werkzeugfertigung langfristig zu sichern.“, resümiert IFW-Mitarbeiter Michael Wulf. Der Abschlussbericht des Projekts wurde Ende Februar bei der DFG eingereicht.
