Werkzeugverschleiß mit KI autonom erkennen

Für die Herstellung von Bauteilen aus Metallen sind Zerspanungsprozesse, d.h. Fräsen, Bohren, Drehen, Honen, Schlichten und Schleifen notwendig. Mit Elektro- und Wasserstoff-basierenden Antrieben fallen viele Bauteile weg, doch in anderen Industriezweigen wie z.B. der Medizin, Automatisierung, Mobilität und Konstruktion verändern sich die Strukturen kaum, aber die Wettbewerbsfähigkeit ist eine stetige Herausforderung.

Im Rahmen des KInCNC Forschungsprojektes haben wir neue Verfahren und Algorithmen entwickelt, um den Werkzeugverschleiß und den Werkzeugbruch ohne zusätzliche Messtechnik zu prognostizieren. In vielen Produktions-Szenarien ist der Zeitpunkt eines Werkzeugwechsels oder die frühzeitige Erkennung eines Werkzeugbruches weiterhin eine Herausforderung. Ausschuss, ungeplante Maschinenstillstände und geringere Produktivität (OEE) sind die Folge. Steuerungen von Werkzeugmaschinen können immer besser höher frequente Daten (>= 1kHz) liefern, diese Fähigkeit ist ein Erfolgsfaktor dieser KI-Innovation für die Zerspanungsbranche.

Um diese Problematik zu lösen, bieten wir zusammen mit einem Netzwerk an Werkzeug-Experten und den neuen Algorithmen zur Erkennung von Werkzeugverschleiß und Werkzeugbruch für alle Phasen einen Lösungsweg an. Weiterlesen