AutoBohr - System zur autonomen Prozessüberwachung von Bohrprozessen

In der Einzelteil- und Kleinserienfertigung gewinnt die automatisierte Prozessüberwachung zunehmend an Bedeutung. Bohrprozesse stellen Unternehmen dabei vor besondere Herausforderungen. Diverse Störeinflüsse wie mangelnde Kühlmittelzufuhr, Reibungseffekte und Spanklemmer führen zu unvorhersehbaren Prozesssignalen. Bestehende Systeme basieren auf festen Grenzwerten oder Referenzhüllkurven. Diese Systeme reagieren empfindlich auf die genannten Schwankungen, was zu Fehlalarmen führt. Werkzeugbrüche werden erst erkennt, wenn sie bereits passiert sind. Dies verursacht Ausschuss und birgt das Risiko von Maschinenschäden, die zu Produktionsstillstände und hohen Folgekosten führen. Ein robustes, autonomes und prädiktives Überwachungssystem für die Einzelteil- und Kleinserienfertigung, das Werkzeugbrüche vor ihrem Eintreten erkennt und Verschleiß zuverlässig detektiert, steht am Markt bislang nicht zur Verfügung.

Zielsetzung

Das angestrebte Prozessüberwachungssystem soll Bohrprozesse autonom erkennen und in einzelne Prozessphasen segmentieren. Eine KI wird entwickelt, die Werkzeugbrüche und andere Anomalien vorhersagt. Das System parametriert sich selbstständig, sodass keine manuelle Konfiguration durch den Nutzer erforderlich ist. Ein weiteres Ziel ist die Übertragbarkeit. Das System soll auf unterschiedliche Maschinen und Prozesskonfigurationen sich selbst adaptieren können.

Vorteile

Vorteile / potenzieller Nutzen für die Praxis:

• Einsatzmöglichkeiten in Einzelteil- und Kleinserienfertigung
• Keine Notwendigkeit für geschultes Personal zur Parametrierung
• Einfache Integration in bestehende Fertigung
• Robuste Überwachung trotz Spanklemmern
• Reduzierung von Ausschuss, Stillstandzeiten und Kosten
• Steigerung von Produktivität.

Vorgehen

Das Projekt wird in enger Kooperation mit der iba AG durchgeführt. Durch die Systeme ibaDAQ und den iba HD Store werden maschineninterne Signale erfasst und mit den Beschleunigungssignale eines zusätzlichen externen Sensors kombiniert. Die Datenerfassung erfolgt dabei sowohl am IFW als auch bei einem Lohnfertiger, um praxisnahe Bohrprozesse abzubilden. Auf dieser Datenbasis werden anschließend die KI-Algorithmen zur autonomen Segmentierung und der prädiktiven Erkennung von Werkzeugbrüchen und Anomalien entwickelt, getestet und validiert.

Sie haben auch Interesse an einem Kooperationsprojekt?

Kontaktieren Sie Kirill Tkachuk per E-Mail an tkachuk@ifw.uni.hannover.de oder telefonisch unter +49 511 762 18382.