Fachbericht: Maschinen fehlerlos einfahren

Bei steigender Variantenvielfalt wirken sich Probleme beim Einfahren immer deutlicher auf die Wirtschaftlickeit aus. Am IFW arbeiten Forscher daran, mit KI-basierter Anomalie-Detektion Werkzeugmaschinen auf Fehler wie Ratterschwingungen zu untersuchen, die teils vorher sogar unbekannt waren.
Bild 1: Ratterdetektion durch eine One-Class-SVM
Bild 1: Ratterdetektion durch eine One-Class-SVM

Durch die Auswertung von Prozessdaten aus Werkzeugmaschinen lassen sich Fehler etwa beim Einfahren früh erkennen. Durch die Digitalisierung der Fertigung stehen dafür immer größere Datenmengen zur Verfügung. Um die Datenqualität zu verbessern, werden zudem oft Sensorsysteme in die Maschinen integriert. Die Vielzahl der erfassten Prozesssignale eröffnet dabei neue Möglichkeiten für die Überwachung. So können mit maschinellem Lernen (ML) auch komplexe Zusammenhänge und Muster aus großen Datenmengen abgebildet werden. Weit verbreitete überwachte ML-Methoden benötigen zum Lernen sowohl Daten von fehlerfreien Prozessen als auch Daten von Fehlerfällen. Um zu lernen, benötigen die Algorithmen zudem Informationen darüber, wo sich welche Fehlerfälle im Datensatz befinden. In der Produktion sind allerdings nicht alle Fehlerfälle im Voraus bekannt und Daten zu den einzelnen Fehlern liegen häufig nicht in ausreichender Menge vor. Deshalb ist überwachtes Lernen für die Detektion, insbesondere von unbekannten Fehlern, nur bedingt für den industriellen Einsatz geeignet.

Training ohne Vorwissen

Der Anomalie-Detektion-Ansatz aus dem Gebiet des unüberwachten Lernens benötigen hingegen kein solches Vorwissen. Durch das Training mit Daten aus fehlerfreien Prozessen erlernt die Anomalie-Detektion charakteristische Muster und Zusammenhänge in den Signalen. Die trainierten Modelle erkennen Abweichungen (Anomalien) von den gelernten Mustern und können somit sogar unbekannte Prozessfehler detektieren. Das Institut für Fertigungstechnik und Werkzeugmaschinen der Leibniz Universität Hannover (IFW) erforscht daher den Einsatz der Anomalie-Detektion zur Überwachung der Einzelteil- und Kleinserienfertigung.

Dabei werden die Prozesse aus unterschiedlichen Perspektiven betrachtet. Auf der untersten Ebene, der Lupenperspektive, stehen einzelne Signalausschnitte. Signalausschnitte fokussieren kurzweilige Effekte, etwa ein frequenzabhängiges Rattern. Die Vogelperspektive umfasst ganze Prozesssegmente, etwa eine einzelne Bohrung oder ein einzelner Längsdrehprozess. Über den Vergleich einzelner Segmente können auch langsame Veränderungen, beispielsweise durch Werkzeugverschleiß, erkannt werden. Die Betrachtung des gesamten Segments ermöglicht eine bessere Einordnung von Signalveränderungen, wodurch Fehlalarme vermieden werden. Die Übertragung des gelernten Wissens zwischen unterschiedlichen Maschinen wird in der Satellitenperspektive adressiert.

Die Lupenperspektive

Selbsterregte Ratterschwingungen sind eine große Herausforderungen in der Zerspanung, da sie die Oberflächenqualität der Werkstücke verschlechtern sowie zu einem erhöhten Werkzeug- und Komponentenverschleiß führen. Bisher werden zur Erkennung von Ratterschwingungen hauptsächlich schwellwertbasierte Methoden eingesetzt. Dabei werden Merkmale im Zeit- oder Frequenzbereich einzelner Signale berechnet. Sobald der Wert eines Merkmals den vorab definierten Schwellwert überschreitet, wird Rattern detektiert. Doch wie sieht ein geeigneter Schwellenwert aus? Ist er zu niedrig gewählt, kommt es zu Fehlalarmen, während ein zu hoher Wert dazu führt, dass Fehler erst zu spät oder gar nicht erkannt werden. Zudem können nur einzelne Merkmale betrachtet werden, die Zusammenhänge zwischen unterschiedlichen Signalen und Merkmalen gehen verloren.

Alle Signale zusammenführen

Um diesen Herausforderungen zu begegnen, wurde am IFW eine One-Class-Support-Vector-Maschine (SVM) zur Ratterdetektion eingesetzt. Diese kann Informationen aus unterschiedlichen Datenquellen zu einem sogenannten Score zusammenzuführen und Schwellwerte selbständig bestimmen. Als Eingangsgrößen für die SVM wurden die Signale von drei am Spindelschlitten applizierten Halbleiter-Dehnungsmessstreifen (H.-DMS) und die Antriebsströme der Maschinenachsen verwendet. Trainiert wurde die SVM mit den Daten von 15 ratterfreien Flankenfräsprozessen in Aluminium mit variierenden Vorschubgeschwindigkeiten, Schnitttiefen, -breiten und Drehzahlen. Durch eine Stufe im Werkstück wird nun die Schnitttiefe erhöht, sodass Ratterschwingungen entstehen. Die SVM erkennt das Rattern bevor Rattermarken auf dem Werkstück zu sehen sind. Plötzlich auftretende Prozessfehler wie Ratterschwingungen können also in der Lupenperspektive auch ohne aufwendige Berechnungen von Merkmalen und die manuelle Bestimmung von Schwellwerten erkannt werden.

Die Vogelperspektive

In der Vogelperspektive werden Prozesse durch eine Segmentierung in einzelne Prozessabschnitte unterteilt. Für die Überwachung werden dann ähnliche Prozesssegmente gemeinsam betrachtet. In Abbildung 2 ist der Verlauf der Schnittkraft in x-Richtung (Bild 2b) bei der Drehbearbeitung zu sehen. Bearbeitet wird dabei ein hybrides Bauteil (Bild 2a), das zum Teil aus Aluminium und zum Teil aus Stahl besteht. Für die Ermittlung der Schnittkraft wurden dabei im Werkzeugrevolver integrierte Dehnungsmessstreifen verwendet. Zur Simulation eines Materialfehlers wurde in das Werkstück eine Nut eingebracht, die durch einen Kraftabfall im Signal ersichtlich ist. Die Bearbeitung der unterschiedlichen Werkstoffe zeigt sich ebenfalls am Amplitude des Signals.

Bild 2: Anomalie-Detektion bei der Drehbearbeitung von hybriden Bauteilen
Bild 2: Anomalie-Detektion bei der Drehbearbeitung von hybriden BauteilenBild: IFW

Um die Signaländerungen durch den Fehler von unkritischen Signaländerungen zu unterscheiden, ist eine segmentweise Betrachtung des Signalverlaufs notwendig. Als Segmentgrenze wird dabei der Zeitpunkt gewählt, in dem der Übergang zwischen den beiden Werkstoffen stattfindet. Zur Fehlerdetektion wird anschließend ein Hampel-Filter innerhalb der einzelnen Segmente eingesetzt. Dieser analysiert die Signalvarianz in den Segmenten und erkennt Abweichungen im Signalverlauf. Dadurch können die im Werkstück eingebrachten Fehler erkannt werden, ohne dass Fehlalarme durch die Werkstoffübergänge ausgelöst werden (Bild 2b).

Verschleiß ohne Daten erkennen

Die Überwachung langsamer Veränderungen, wie Werkzeugverschleiß, ist eine weitere Anwendung der Anomalie-Detektion in der Vogelperspektive. Dafür wurden die einzelnen Signalsegmente aus dem Drehprozess zunächst durch ihren jeweiligen Mittelwert normiert. Anschließend wurden statistische Merkmale, wie die Signalvarianz und der Signalmedian, für den gesamten Prozess berechnet und durch eine Hauptkomponentenanalyse (PCA) vereinfacht. Mit den Signalen von neun Prozessen mit arbeitsscharfem Werkzeug wurde eine One-Class-SVM angelernt. Bild 2c zeigt die dabei von der SVM gebildeten Clustergrenzen. Die Prozesse mit verschlissenen Wendeschneidplatten (rot) liegen außerhalb dieser Clustergrenzen und werden somit als Fehler erkannt. Durch die Anomalie-Detektion lässt sich Werkzeugverschleiß also selbst dann erkennen, wenn Daten von Prozessen mit verschlissenen Werkzeugen als Referenz fehlen.

Die Satellitenperspektive

Oft reicht es nicht aus, Prozesse nur an einer Maschine überwachen zu können. In der Satellitenperspektive wird daher die komplette Maschinenhalle mit mehreren Werkzeugmaschinen betrachtet. Um Wissen zwischen Maschinen zu übertragen, werden zuerst die prozessspezifischen Anteile in den überwachten Signalen von den maschinenspezifischen Anteilen isoliert. Anschließend wird eine Anomalie-Detektion mit den Prozessdaten mehrerer Maschinen trainiert. Das Detektionsmodell wird daraufhin an einer anderen, unabhängigen Maschine zur Überwachung eingesetzt.

Bild 3: Transfer von Wissen zwischen Maschinen für die Überwachung
Bild 3: Transfer von Wissen zwischen Maschinen für die ÜberwachungBild: IFW

Bild 3 zeigt den Wissenstransfer beispielhaft für vier baugleiche Maschinen. Als Prozess wird das Quer-Plandrehen und als Signal das einfach verfügbare Antriebsmoment der Vorschubachse (X-Achse) betrachtet. Zur Überwachung wird der Prozess in einzelne Drehoperationen segmentiert. Jedes Segment wird durch den Mittelwert und die Schiefe charakterisiert. Mit diesen Kennwerten von 130 fehlerfreien Drehoperationen wurde ein Modell zur Anomalie-Detektion trainiert (weiße Datenpunkte). Zum Aufspüren der Anomalien kommt ein Verfahren basierend auf multivariater Statistik (minimum covariance determinant) zum Einsatz. Im Trainingsdatensatz variierten dabei Schnitttiefe und -geschwindigkeit. Beim Test an der Zielmaschine erkannte das Modell zehn von zehn fehlerhaften Prozessen mit Einstichen, die einen Werkzeugbruch simulieren (rote Datenpunkte). Auch die weiteren 65 fehlerfreien Prozesse (grüne Datenpunkte) klassifizierte die Anomalie-Detektion an der Zielmaschine korrekt. Entsprechend traten keine Fehlalarme auf. Wissen zur Prozessüberwachung ist demnach offenkundig zwischen Maschinen übertragbar.

Seiten: 1 2Auf einer Seite lesen

Das könnte Sie auch Interessieren

Bild: Ingersoll Werkzeuge GmbH
Bild: Ingersoll Werkzeuge GmbH
Modulares Wechselkopfsystem

Modulares Wechselkopfsystem

Ingersoll präsentiert die neue FlexTurn-Familie modularer Köpfe und Halter für Swiss-Type Maschinen. Mit dieser modularen Serie lassen sich Rüstzeiten verkürzen und Kosten sparen. Generell kostet es Zeit, die Halter aus dem Werkzeughalter der Swiss-Type Drehmaschinen auszubauen, um die Wendeschneidplatten zu wechseln. Mit der modularen FlexTurn-Serie können Wendeschneidplatten außerhalb der Maschine ausgetauscht werden, indem nur der modulare Kopf ausgebaut wird und der Schaft im Werkzeughalter bleibt.

Bild: Hartmetall-Werkzeugfabrik Paul Horn GmbH - Nico Sauermann
Bild: Hartmetall-Werkzeugfabrik Paul Horn GmbH - Nico Sauermann
Fachbericht: Königsdisziplin Stechdrehen

Fachbericht: Königsdisziplin Stechdrehen

Als Paul Horn im Jahr 1972 die Wendeschneidplatte des Typs 312 der Öffentlichkeit vorstellte, war das im Prozess des Stechdrehens eine kleine Revolution. Als erster Hersteller überhaupt präsentierten die Tübinger ein dreischneidiges Werkzeugsystem mit stehender Hartmetall-Wendeschneidplatte für das Stechdrehen. Heute ist der Prozess Stechdrehen mit Wendeschneidplatten in der modernen Fertigung nicht mehr wegzudenken.

Bild: Lehmann-UMT GmbH
Bild: Lehmann-UMT GmbH
Feinstfiltersystem auf der GrindTec und Intec

Feinstfiltersystem auf der GrindTec und Intec

Mit dem StingR Feinstfiltersystem schafft das vogtländische Unternehmen Lehmann-UMT eine universelle Lösung zur energieeffizienten und passgenauen Aufbereitung von Fluiden beim Werkzeugschleifen für verlängerte Standzeiten und hohe Werkzeugqualität. Erstmals im vergangenen Jahr vor großem Publikum auf der GrindTec präsentiert, wurde das Feinstfiltersystem mit automatischer pneumatischer Rückspülung erfolgreich am Markt platziert.

Bild: MPDV Mikrolab GmbH
Bild: MPDV Mikrolab GmbH
Optimistischer Start ins Jahr 2023

Optimistischer Start ins Jahr 2023

Viele Produktionsunternehmen erkannten im zurückliegenden Jahr, dass Investitionen in den Bereichen Digitalisierung und smarte Fabrik eine positive Auswirkung auf die gestiegene Komplexität und die vielfältigen Herausforderungen am Markt nehmen können. So konnte die MPDV Gruppe mit Sitz in Mosbach zahlreiche Projekte mit Bestandskunden realisieren und Neukunden von ihren markterprobten Lösungen überzeugen.

Bild: Schott Systeme GmbH
Bild: Schott Systeme GmbH
Vollautomatisierte Bearbeitung auf der Intec 2023

Vollautomatisierte Bearbeitung auf der Intec 2023

Auf der Intec 2023 in Leipzig vom 7. bis zum 10. März demonstriert der deutsche Softwarehersteller Schott Systeme die signifikanten Leistungserweiterungen der Version 3.10 seiner Pictures by PC-CAD/CAM-Software. Diese Version baut auf fast 40 Jahre Softwareentwicklung des Anbieters auf, der mit seiner universellen CAD/CAM-Software Pictures by PC (Preis unter 10.000€) eine kostengünstige Lösung für alle Aspekte der Konstruktion und Fertigung bereitstellt – von der Lohnfertigung, dem Sondermaschinenbau bis hin zum Werkzeug- und Formenbau.

Bild: Mahr GmbH
Bild: Mahr GmbH
Messdaten bequem sichern

Messdaten bequem sichern

Bedienung per Touch, ein ergonomisches Handling und vielfältige Auswertemöglichkeiten: Dafür steht das Höhenmessgerät Digimar 817 CLT, das in den drei Messbereichen 350, 600 und 1.000mm zur Verfügung steht. Ein schwenkbares Touchdisplay sorgt dafür, dass sich das Messgerät von Mahr aus Göttingen so komfortabel bedienen lässt wie ein Tablet: Große Schaltflächen, übersichtlich gegliederte Menüs und selbsterklärende Icons gestatten schnelle flüssige Abläufe und beschleunigen somit den Messablauf.

Bild: Airbus
Bild: Airbus
Success-Story: Rauch und Feinstaub weg

Success-Story: Rauch und Feinstaub weg

Die Bearbeitung von Grauguss auf spanenden Werkzeugmaschinen stellt besondere Anforderungen an die Luftreinhaltung. Der hohe Kohlenstoffgehalt des Materials lässt große Mengen an Feinstaub und Rauch entstehen – vor allem bei Großmaschinen und beim Schruppen mit großer Zustellung. Spezielle Abscheider beispielsweise von Rentschler Reven schützen Mensch und Maschine.

Bild: Schaeffler Technologies AG & Co. KG
Bild: Schaeffler Technologies AG & Co. KG
Neuer Leiter Industrial Europa

Neuer Leiter Industrial Europa

Christian Zeidlhack (45) hat die Leitung für das Industriegeschäft in Europa sowie die Gesamtleitung der Subregion Zentral- und Osteuropa beim global tätigen Automobil- und Industriezulieferer Schaeffler übernommen. In dieser Position verantwortet er das Direktkunden- und Vertriebspartnergeschäft der Sparte Industrial in der gesamten Region Europa sowie das gesamte Geschäft des Unternehmens in der Subregion.