StartseiteFörderungProjekteVerbundprojekt: Closed Loop Manufacturing 4.0 - Entwicklung eines intelligenten, vernetzten Systems zur online und offline Prozessoptimierung; Teilvorhaben: Echtzeit-Prozessüberwachung und Modellierung des dynamischen Verhaltens einer Werkzeugmaschine

Verbundprojekt: Closed Loop Manufacturing 4.0 - Entwicklung eines intelligenten, vernetzten Systems zur online und offline Prozessoptimierung; Teilvorhaben: Echtzeit-Prozessüberwachung und Modellierung des dynamischen Verhaltens einer Werkzeugmaschine

Laufzeit: 01.03.2019 - 28.02.2022 Förderkennzeichen: 01DM19010A
Koordinator: Technische Universität München - Fakultät für Maschinenwesen - Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb)

Das Teilvorhaben der TUM im Rahmen des Projekts "Closed Loop Manufacturing 4.0" beschäftigt sich sowohl mit der Echtzeit-Prozessüberwachung, im Speziellen der Rattererkennung und Vermeidung, sowie der Modellierung des dynamischen Verhaltens einer Werkzeugmaschine um Vorhersagen über die Prozessstabilität treffen zu können. Prozessinstabilitäten (Rattern) beeinflussen die Produktivität und Autonomie eines Zerspanprozesses negativ und werden in der mechanischen Fertigung üblicherweise händisch behoben. Häufig werden Prozessparameter auch auf Basis von über die Jahre gesammeltem Expertenwissen des Maschinenbedieners ausgewählt. Durch intelligente Rattererkennungsalgorithmen, welche auf einer Smart Box lauffähig sind und damit hochfrequent Daten aus der Maschinensteuerung zur Verfügung haben, kann Rattern frühzeitig erkannt und durch diverse Maßnahmen vermieden werden. Die Weiter- sowie Neuentwicklung solcher Algorithmen an der TUM führt somit zu einer automatisierten Prozessstabilisierung. Zusätzlich wird die TUM an dynamischen Modellen zur Vorhersage der Prozessstabilität arbeiten. Hierzu werden Daten aus der Maschine genutzt um mittels Output-Only Modal Analysis ein Abbild des dynamischen Verhaltens der Maschine zu erstellen. Mittels frequenzbasierten Koppelungsstrategien wird der Einfluss verschiedener Werkzeuge auf das dynamische Verhalten abgebildet. Nichtlineare Effekte im Antriebsstrang werden ebenfalls betrachtet und modelliert. Basierend auf diesen Modellen kann zusammen mit geeigneten Prozessmodellen die Stabilität eines Prozesses vorhergesagt und somit eine optimierte NC-Bahn generiert werden. Durch diese innovative Regelkreisstruktur aus Echtzeit-Rattervermeidung und gezielter Bahnoptimierung wird eine automatisierte, hinzulernende Prozessoptimierung und letztendlich eine erhöhte Produktivität der mechanischen Fertigung ermöglicht.

Verbund: CLM40 Quelle: Bundesministerium für Bildung und Forschung (BMBF) Redaktion: DLR Projektträger Länder / Organisationen: Kanada Themen: Förderung Engineering und Produktion

Weitere Informationen

Projektträger