Adaptierbare Werkzeugüberwachungssysteme bei Drehverfahren basierend auf prozessnahen Schnittkraftsensoren

• Antragsteller: Professor Dr.-Ing. Thomas Bergs; Professor Dr.-Ing. Welf-Guntram Drossel
• Fachliche Zuordnung: Spanende und abtragende Fertigungstechnik ; Produktionsautomatisierung und Montagetechnik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 524221060

Das übergeordnete Ziel dieses Vorhabens ist die Erforschung von grundlegenden Erkenntnissen zur Steigerung der Generalisierungsfähigkeit der sensorbasierten KI-gestützten Werkzeugüberwachung bei Drehprozessen. Der Fokus liegt dabei auf einem lernfähigen Überwachungssystem, mit dem sich offline trainierte Entscheidungsfindungsmodelle zur Prognose der Werkzeugstandzeit im online Prozess anpassen und bis zu einem gewissen Grad auf neue Schnittparameter reagieren können Modernste Methoden der „Künstlichen-Intelligenz“ (KI) eignen sich hervorragend zur Steigerung der Generalisierungsfähigkeit von Werkzeugüberwachungssystemen. Zur erfolgreichen Entwicklung von KI-gestützten Systemen für diesen Zweck ist es essentiell, dass die Daten in ausreichendem Umfang sowie notwendiger Qualität vorliegen. Dies ist innerhalb einer Einzelteil- und Kleinserienfertigung häufig nicht gewährleistet. Der Einsatz von prozessempfindlicheren und kompakteren Sensoren zur Schnittkraftmessung in unmittelbarer Nähe zur Werkzeugschneide stellt die Grundlage für eine Steigerung in der Datenqualität bzw. zur Reduktion der benötigten Datenmenge für das Trainieren von KI-gestützten Prozessmodellen. Eine zweite Säule von signifikanter Bedeutung zur Steigerung der Generalisierbarkeit der KI-Ansätze ist es, das Potenzial von einem kontinuierlich lernenden System, bspw. bei nicht eingelernten neuen Trainingsbeispielen mit neuen Schnittparametern in der realen Produktionsumgebung, zu nutzen. Die am WZL (RWTH Aachen) vorhandenen Automatisierungsstrategien zur Datensatzerfassung aus Verschleißstandzeitversuchen und die Kompetenzen zur KI-basierten Prozessmodellierung zur Überwachung des Werkzeugverschleißzustandes dienen als wichtige Säule zum Erreichen dieser Ziele. Hierbei spielt auch das Verhältnis zwischen Datenqualität und -menge eine wesentliche Rolle in der Modellgüte der Entscheidungsfindungsmethoden. Zur Optimierung dieses Zielkonfliktes bieten die Sensoransätze zur wirkstellennahen Schnittkraftmessung am Fraunhofer IWU wiederum ein vielversprechendes Paradigma zur Steigerung der Messdatenqualität an. Die Kooperation beider Forschungseinrichtungen zur Erforschung des Zusammenhangs zwischen Datenqualität, Effektivität der automatisierten Datensatzerfassungsstrategien und Leistungsfähigkeit der Prozessmodelle ist hinsichtlich eines adaptierbaren online Werkzeugüberwachungssystems bestens geeignet.

• DFG-Verfahren: Sachbeihilfen