Forschungsprojekt: Smart Grind

Projektleiter: Prof. Dr.-Ing. Peter Zeiler

Projektbearbeiter: Marc Hönig

Kurzbeschreibung des Forschungsvorhabens:

Das Ziel dieses Forschungsvorhaben ist die Entwicklung eines universellen Retrofit-Systems zur Prozessoptimierung bei Flachschleifmaschinen. Die Bahnplanung des Schleifprozesses soll durch die Berücksichtigung des tatsächlichen Materialabtrags optimiert werden. Dies bedeutet, dass ausschließlich Oberflächen überschliffen werden, bei denen eine Schleifbearbeitung erforderlich ist. Dieser Ansatz, basierend auf einer intelligenten Auswertung hochfrequenter Daten der NC-Steuerung, bietet das Potenzial einer signifikanten Verkürzung der Bearbeitungszeit und kann somit die Wirtschaftlichkeit des Flachschleifprozesses maßgeblich steigern. Zudem wird im Rahmen dieses Projektes eine Zustandsdiagnose und –prognose des Schleifscheibenzustands unter Verwendung von Verfahren des maschinellen Lernens realisiert. Kenntnisse über den Zustand der Schleifscheibe tragen zum einen zur Einhaltung der hohen Qualitätsanforderungen an die Oberflächengüte sowie die Form- und Lagetoleranzen bei der Schleifbearbeitung bei. Zum anderen ermöglichen diese Kenntnisse die Umsetzung von bedarfsgerechte Konditionierintervallen, sodass die Standzeit optimal ausgenutzt werden kann (Ressourceneffizienz). Die Auswertung der Daten für die Berechnung der optimierten Bahnplanung sowie der Zustandsdiagnose –und prognose erfolgt hierbei maschinennah in einer Edge. Die Vorteile liegen neben der Einhaltung von hohen Sicherheitsstandards beim Umgang mit sensiblen Produktionsdaten sowie in einer geringen Latenz bei der Datenübertragung.

Arbeitsinhalte des Forschungsprojekts

• Zustandsüberwachung und –diagnose bei Werkzeugmaschinen
• Verfahren des maschinellen Lernens
• Datenübertragung und –speicherung in der Cloud
• Datenanalyse in einer maschinennahen Edge-Cloud
• Prozessoptimierung und Bahnplanung
• App-Programmierung