Projekte Fördermitglieder

Retrofit-Potentialanalyse für Drehmaschinen

Mehrwerte durch smarte Altanlagen

Das Unternehmen Weier bietet seinen Partnern eine Instandsetzung defekter oder verschlissener Füllkammern an. Dabei schwankt die Bearbeitungsgeschwindigkeit und -qualität der spanenden Bearbeitung abhängig vom Bauteil und von der Erfahrung des Mitarbeiters. Bereits kleine Änderungen der Fertigungsparameter führen zu starken unterschieden Bearbeitungszeit. Daher sollen manuell eingestellte Fertigungsparameter automatisiert aufgenommen werden, um die Fertigungszeit zu optimieren.

Für einen Aluminiumdruckguss werden im Automobilbereich typischerweise Füllkammern verwendet, um eine Gussform zu füllen. Die chemische Aggressivität des flüssigen Aluminiums, die hohe Temperatur (>600°C), die Reibung durch einen Druckkolben und der erzeugte Druckgradient führen dazu, dass die verwendeten Füllkammern verschleißen und regelmäßig restauriert werden müssen. Als zentraler Teil dieser Restaurierung werden daher toleranzkonform die Innen- und Außengeometrie der Füllkammer durch Drehspanen wiederhergestellt (siehe Abbildung 1).

Der Prozess kann bis zu 48 Stunden dauern und wird wesentlich durch die Parametrierung der Anlage bestimmt (Vortrieb, Spindelgeschwindigkeit, Spantiefe), die jeder Mitarbeiter abhängig vom Verschleißzustand einer Füllkammer individuell einstellt. Da innenliegende Fehlstellen vorab nicht sichtbar sind, ist diese Einstellung häufig nicht optimal, insbesondere, da die Bearbeitungsmaschinen über kein Feedback an den Bearbeiter geben kann.

Dieses fehlende Feedback führt zu einer suboptimalen Betriebspunkteinstellung. Diese Situation wird in diesem Projekt adressiert. Hierzu wurde zunächst die Bearbeitungsmaschine analysiert und mögliche Schnittstellen sowie ggf. vorhandene Informationsquellen analysiert. Da die vorhandene Elektronik weder Schnittstellen, noch geeignete Sensorik zur Betriebspunkt Einstellung vorsieht, müssen diese durch externe Sensoren ermittelt werden. Hierzu wurde der Drehprozess analysiert, um neuralgische Punkte zu identifizieren, die sensitiv sind, um die relevanten Maschinenparameter zu messen. Im Ergebnis wurde der zeitliche Verlauf der der Energieaufnahme, die Rotationsgeschwindigkeit des Vortriebs und Drehtriebs, die Längsgeschwindigkeit des Meißels sowie die Vibrationen am Meißel gemessen.

In einer Messkampagne wurden diese Daten etwa eine Woche lang im normalen Betrieb gemessen, gespeichert durch das zentrale Datenerfassungsystem INAsense verarbeitet (siehe Abbildung 2).

Mit maschinellen Lernverfahren wurde analysiert, dass insbesondere die Vibrationsmessung, sowie auch die Drehgeschwindigkeitssensoren sensitive Informationen liefern, um den Betriebszustand zu optimieren.

Auf dieser Auswertung basierend wurde ein Konzept für die Nachrüstung einer Drehmaschine erstellt, die Sensoren, eine Datenauswertung und eine Visualisierung für den Nutzer der Drehmaschine bereitstellt.