Forschung für den Mittelstand - Die IGF-Projektdatenbank

Analyse der Anwendung von Machine Learning Methoden für die Echtzeitüberwachung der Zerspanung inhomogener Werkstoffe zur Beurteilung von Werkzeugzustand und Werkstückqualität in kleinen und mittelständischen Unternehmen

In industriellen zerspanenden Bearbeitungsprozessen von inhomogenen Werkstoffen ist die Gewährleistung der Prozessstabilität für die Sicherstellung der Werkstückqualität von hoher wirtschaftlicher Relevanz. Werden Abweichungen nicht rechtzeitig erkannt, führt dies zu Produktionsfehlern und damit verbundenen Nachbearbeitungen oder Neuanfertigungen. Ziel des Forschungsvorhabens ist es, mittels selbstlernenden Überwachungsmethoden den Werkzeug- und Werkstückzustand im laufenden Prozess zu bewerten und kritische Vorgänge zu melden. Der Ist-Zustand ist kontinuierlich zu analysieren, sodass mögliche Abweichungen zum Soll-Zustand detektiert und an den Maschinenbediener weitergegeben werden können. Im Projekt sind dafür Machine-Learning Methoden (ML) zu validieren und ein Handlungsleitfaden zu entwickeln.

Das Ziel ist es KMU dabei zu helfen, die Technologie in der zerspanenden Bearbeitung anzuwenden. Von den Projektpartnern werden inhomogene Proben beschafft, homogene Proben mit definierten Fehstellen versehen und Proben im Laserbeam-Melting-Verfahren additiv gefertigt. Diese werden anschließend auf den institutseigenen Maschinen mittels Fräsen und Sägen zerspant und metallografisch analysiert. Die dabei durch sensorielle Ausstattung gewonnenen Daten sind auszuwerten und fließen in die Anlernphase der ML-Systeme ein. Die technische Ausreifung sowie die Übertragbarkeit auf andere zerspanende Prozesse und Maschinen wird durch Untersuchungen zur Auslegung von Hard- und Software gewährleistet.

Zusammen mit den Kosten für die Eigenentwicklung eines Systems zur echtzeitüberwachten Serienfertigung, stellt auch die Implementierung, Datenauswertung und das informatikbezogene Fachwissen für den Ausbau eines ML-Ansatzes eine große Hürde für KMU dar. Mit der Bereitstellung eines Handlungsleitfadens für die Implementierung von ML-Methoden ist das Vorhaben explizit auf die Anforderungen von KMU ausgerichtet. Diese profitieren sowohl aus inhaltlich-technischer als auch ökonomischer Sicht.