Zerspanung : Wie man mithilfe von KI Zerspanungsprobleme voraussagt

Die Produktionskosten eines spanend erzeugten Bauteils werden von zwei Faktoren beeinflusst: Das über die Zeit abgetragene Materialvolumen und der Werkzeugverschleiß. Um den Verschleißzustand zuverlässig vorhersagen und so Zerspanprozesse optimieren zu können, entwickeln Forscher der Technischen Universität Kaiserslautern (TUK) ein KI-gestütztes Verfahren. Das System wird anhand von realen Prozess- und Messdaten trainiert. Ziel ist, dass es sich dank Transfer-Lernen schnell an unterschiedliche Prozessbedingungen anpassen kann.

Verschleißzustände voraussagen

„Um den Verschleißzustand von Zerspanwerkzeugen vorhersagen zu können, ziehen wir zunächst prozessbezogene Kenngrößen heran“, sagt Daniel Müller, wissenschaftlicher Mitarbeiter an der TUK. Dazu zählen unter anderem die beim Zerspanen wirkenden Prozesskräfte, Schwingungen der Maschine sowie der Leistungsbedarf der Maschinenachsen. „Ebenso sammeln wir Daten aus kontinuierlichen Messungen am Werkzeug und am Werkstück“, so der Ingenieur. „Die größte Herausforderung besteht dann darin, Korrelationen in den gesammelten Daten zu ermitteln.“

Einsatz der KI

Hierfür trainieren die Forscher ein KI-gestütztes System, das Methoden des Maschinellen Lernens nutzt, um mögliche Muster zu erkennen und daraus Schlüsse zum Verschleißzustand abzuleiten. Darüber hinaus soll es vorhersagen können, mit welchen Prozessparametern Unternehmen bei bestimmten Zerspanprozessen arbeiten müssen, um das Werkzeug für eine angestrebte Nutzungsdauer sicher und zuverlässig im Einsatz zu halten. „Die Daten, die das System zum Lernen braucht, erheben wir bei fünf Partnerunternehmen – darunter Global Player ebenso wie kleine und mittlere Unternehmen“, erläutert Müller. „Dabei spielen wir verschiedenste Varianten durch, was etwa Werkzeug- und Werkstofftypen oder Prozessparameter betrifft, und erfassen so eine breite Datenbasis über die gesamte Lebensdauer bis hin zum Versagen des Werkzeugs.“

Diese Erkenntnisse sollen in ein Basismodell fließen, welches anpassungsfähig ist. „Wir nutzen das Konzepts des Transfer-Lernens“, berichtet Peter Simon, der das Projekt gemeinsam mit Müller bearbeitet. „Dieser Ansatz soll es ermöglichen, das Basismodell mit einem möglichst geringen Zusatzaufwand an kundenindividuelle Zerspanprozesse anzupassen. Die Erkenntnisse des Forschungsvorhabens im Rahmen dieser Nutzbarmachung werden wir darüber hinaus in Form von innovativen Geschäftsmodellen erschließen.“

Weiteres Lesematerial zur Zerspanung:

Spannungsfreies Spannen mithilfe von Magneten

DMTs neuer Lack verhindert Abnutzung im Maschineninnenraum