Entwicklung und Erforschung eines lernfähigen Systems zur Werkzeugverschleißüberwachung auf Basis künstlicher Intelligenz

• Antragsteller: Professor Dr.-Ing. Thomas Bergs
• Fachliche Zuordnung: Spanende und abtragende Fertigungstechnik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 509813741

In dem Projektvorhaben soll erforscht werden, wie sich ein selbstlernendes System zur Identifikation des Werkzeugverschleißzustands und zur Prädiktion des Werkzeugverschleißfortschritts für die Zerspanung mit definierter Schneide aufbauen lässt. Es stellt sich die Forschungsfrage, welche absolute Genauigkeit bzw. welche Genauigkeitssteigerung mit einem solchen System im Zuge des adaptiven Lernens erzielt werden kann. Als System werden dabei der menschliche Nutzer, verschiedene gleichzeitig im Einsatz befindliche Sensoren innerhalb einer Datenerfassungs- und Automatisierungslösung sowie verschiedenartige Algorithmen des maschinellen Lernens zur Datenverarbeitung verstanden. Die Verschiedenartigkeit der Sensoren kann sich dabei auf ihr physikalisches Messprinzip, die zu erfassenden Zielgröße oder andere Eigenschaften beziehen. Die Verarbeitung der Daten aus mehreren, verschiedenartigen Sensorquellen wird schließlich mit Algorithmen des überwachten maschinellen Lernens (ML-Algorithmen) erfolgen. Wesentliche Zielsetzung in dem Projekt ist es, diese Algorithmen auf mehreren Ebenen miteinander zu verbinden, sodass jeweils das Ergebnis der vorherigen Ebene als Referenz (Label) für die folgende genutzt wird und so ein lernfähiges System entsteht, welches mit zunehmender Datenbasis eine genauere Identifikation des Werkzeugverschleißzustandes und Verschleißfort-schritts ermöglicht.

• DFG-Verfahren: Sachbeihilfen