Beiträge

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

BMBF gefördertes “Artificial Intelligence Controlled Milling” Projekt gestartet

AICoM – diese Abkürzung wird unseren Arbeitsalltag bis 2024 begleiten. AICoM (Artificial Intelligence Controlled Milling) ist ein Projekt, welches im Rahmen der BMBF-Ausschreibung „Lernende Produktionstechnik – Einsatz künstlicher Intelligenz (Artificial Intelligence) in der Produktion (ProLern)“ bewilligt wurde.

BMBF-AICoM Steckbrief

In der Einzel- oder Kleinserien-Fertigung kundenindividueller Werkstücke entsteht ein hoher zeitlicher Aufwand von Experten, welcher sich in den Stückzahlkosten negativ auswirkt. Jedes Ausschussteil reduziert den geplanten Ertrag signifikant.

Ziel des Forschungsvorhabens AICoM ist somit die Entwicklung von einem System aus verschiedenen Einzelmodulen, die in einer intelligenten modularen System- und Steuerungsarchitektur zusammengeschlossen sind. Die Verknüpfung des Systems AICoM mit einer normalen Werkzeugmaschine (WZM) ermöglicht eine „lernende Werkzeugmaschine” für die spanende Fertigung. Diese hat die Fähigkeit, den Prozess autonom anzupassen und auf erlerntes “Wissen” bzw. erlernte “Erfahrungen” zurückzugreifen. Der Nutzer kann hierbei aus verschiedenen Zielgrößen wählen, an die sich die WZM mit der zu entwickelnden KI-basierten Prozessregelung selbstständig anpasst. Dabei wird die Leistungsfähigkeit der WZM je nach Bedarf und Anforderung stets voll ausgeschöpft. Das System AICoM ermöglicht die Optimierung der CAD/CAM Fertigungskette bis hin zur Fertigung der Kleinserien-Produkte.

In diesem Verbundprojekt arbeiten wir mit folgenden Partnern zusammen:

Gühring KG,

ISG Industrielle Steuerungstechnik GmbH,

ModuleWorks GmbH,

Lorenz Hoffmann GmbH,

TU Darmstadt – Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW),

TU Darmstadt – Datenmanagement (DM),

DATRON AG

 

KI-Innovationswettbewerb Baden-Württemberg 2020 – Good News!

Zusammen mit dem Kompetenzzentrum für Spanende Fertigung (KSF) der Hochschule Furtwangen und der HB microtec, Tuttlingen haben wir das Projekt mit dem Namen “KInCNC” beim zweiten KI-Innovationswettbewerb des WM Baden-Württemberg eingereicht und vor Weihnachten noch eine Zusage erhalten. Bei der großen Anzahl der Bewerbungen für den KI-Innovationswettbewerb ein besonderes Geschenk!

Das Projekt KInCNC  hat das Ziel, dass mithilfe von KI-Methoden die Fräs-Prozesse hinsichtlich Qualität und Prozessparameter optimiert werden. Das  KSF mit seinem umfangreichen Maschinenpark stellt das fachliche Knowhow der CNC-Bearbeitung, die CNC-Maschine und die notwendige Messtechnik. HB microtec ist Spezialist zur Herstellung von Microfräsern, die speziell in der Medizintechnik zum Einsatz kommen. Synop Systems wird die Herausforderung in der Analyse der hochfrequenten Daten und die Entwicklung von Erfolg versprechenden KI-Verfahren annehmen.

Weiterlesen