Onderzoekers van de Technische Universiteit Kaiserslautern tonen op de Hannover Messe een op Kunstmatige Intelligentie gebaseerd gereedschapslijtage detectiesystsysteem om de slijtage van een snijgereedschap te voorspellen. Het systeem geeft aan welke parameters bijgesteld moeten worden om met het gereedschap de gewenste levensduur te halen met de zekerheid qua inzetduur.
De praktijk van alledag is dat veel verspanende bedrijven hun gereedschappen vervangen op basis van ervaringsgegevens. Ze gaan meestal aan de veilige kant zitten, om kwaliteitsverlies of ingeplande stilstand te vermijden. Daarmee verliest men niet alleen standtijd van de gereedschappen; het wisselen kost eveneens extra tijd. Het systeem moet verspanende bedrijven helpen de levensduur van de snijgereedschappen te optimaliseren.
Zelflerend systeem past zich snel aan nieuwe omstandigheden aan
De onderzoekers van de TU Kaiserslautern bij de machine van Röders waarop het gereedschapslijtage detectiesysteem is getest.
Machine Learning algoritmen
“Om de slijtagetoestand van snijgereedschappen te kunnen voorspellen, houden we eerst rekening met procesgerelateerde parameters”, zegt Daniel Müller, een onderzoeksassistent aan de leerstoel Productie Engineering en Plant Organisation aan TUK. Daartoe behoren de proceskrachten die tijdens de bewerking optreden, trillingen van de machine en het benodigde vermogen van de machine-assen. “Evenzo verzamelen we gegevens van continue metingen aan het gereedschap en het werkstuk. De grootste uitdaging is dan om correlaties te bepalen in de verzamelde gegevens.” Daartoe trainen de onderzoekers een AI-ondersteund systeem dat Machine Learning algoritmen gebruikt om mogelijke patronen te identificeren en conclusies te trekken over de staat van slijtage. Bovendien moet het kunnen voorspellen met welke procesparameters bedrijven bij bepaalde bewerkingsprocessen moeten werken om het gereedschap veilig en betrouwbaar in gebruik te houden gedurende een beoogde levensduur.
Aanpassen aan specifieke bewerkingen
Het basismodel dat de onderzoekers hebben ontwikkeld, is zo gebouwd dat het eenvoudig aangepast kan worden aan de specifieke situatie in een bedrijf. De data van gereedschapslijtage die de basis vormen, komen uit de praktijk van een aantal partners die hebben meegedaan aan het project. Daaronder zijn zowel kleinere verspanende bedrijven als een global player, aldus Daniel Müller. Deze data hebben betrekking op verschillende materialen, gereedschappen en procesparameters. Doordat het systeem leert van eerdere ervaringen, kan het snel aangepast worden aan de specifieke situatie in een bedrijf of bewerkingsproces.
CNC machine op afstand besturen via 5G
5G voor centrale besturing machines
Een andere onderzoeksgroep van de universiteit in Kaiserslautern toont de eerste resultaten van een project waarbij een machine vanuit een digitale tweeling via 5G realtime wordt aangestuurd. Zij willen met hun concept de besturing van de verschillende CNC-machines in een fabriekshal centraliseren en vanuit één centrale besturing via 5G de verschillende machines aansturen. Ze gebruiken hiervoor Edge computing en 5G datacommunicatie. Getest wordt met een freesmachine. Het achterliggend doel is dat de operator in de toekomst vanuit één centraal punt, en dat hoeft niet de locatie te zijn waar de machines staan, het machinepark kan monitoren en aansturen.
De onderzoekers demonstreren hun innovaties op de Hannover Messe(30 mei – 3 juni) op de stand van Rheinland-Pflaz in hal 2 (B46).
