Inhalte der Online-Ausgabe 5-2024

Differenzierung in der Fertigungstechnik durch neuartige Services

A. Verl – Universität Stuttgart; Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen (ISW)

Wettbewerbsvorteile in der Produktion unter internationalem Kostendruck erfordern technologische Alleinstellungsmerkmale, die dem Anwender einen Zusatznutzen bieten. Solche Alleinstellungsmerkmale können nur zum Teil durch eine verbesserte Mechanik erreicht werden. Der weitaus größere Hebel liegt in der systematischen und automatisierten Nutzung von Prozess- und Erfahrungswissen für die Fertigung. Die Fertigungsprozesse und das damit verbundene Maschinenverhalten sind derart komplex, dass der Schlüssel in deren Beherrschung durch technische Unterstützung in Form von Mehrwertdiensten als Services liegt.   S. 169

 

MoNA – Die modulare Werkzeugmaschine

D. Dietrich, O. Jud, D. Kurth, A. Lechler, V. Leipe, M. Nistler, C. Reiff, A. Schulte, L. Steinle, A. Verl – Uni Stuttgart, ISW

Die Herstellung individualisierter Produkte in geringen Stückzahlen kombiniert mit kurzen Innovationszyklen stellt die Produktionstechnik vor Herausforderungen. Rekonfigurierbare Fertigungsanlagen mit flexibler Funktionalität und Technologie können Teil der Lösung sein. Ein neuartiges Konzept für eine modulare Werkzeugmaschine umfasst austauschbare Prozessmodule und eine flexible Steuerung. Die Anlage wird für Forschung auf den Gebieten der Steuerungs-, Regelungs- und Maschinentechnik genutzt. S. 170

doi.org/10.37544/1436-4980-2024-05-6

 

Exakte Trajektoriengenerierung in der CNC-Technik

A. Elser – Uni Stuttgart, ISW

Bei der direkten Trajektorien­generierung auf Flächen in der Numerischen Steuerung (NC) wird die Trajektorie mit dem Wissen über die zu fertigende Freiformfläche erzeugt. Der Vorteil ist, dass bei der Datenübertragung vom Computer Aided Manufacturing (CAM) zur NC keine Diskretisierung der Bahn erfolgt. So kann genauer und schneller gefertigt werden. Dieser Ansatz fordert die Übergabe von Flächeninformation an die NC sowie die Definition und algorithmische Verarbeitung von Bahnen auf Flächen. S. 178

doi.org/10.37544/1436-4980-2024-05-14

 

Durchgängige Steuerung und Simulation

L. Klingel, D. Littfinski, S. Chen, N. Brandt, M. Neubauer, A. Verl; C. Scheifele – Uni Stuttgart, ISW; ISG Industrielle Steuerungstechnik GmbH

Industrieroboter nehmen eine zentrale Rolle in der flexiblen Automatisierung von Produktionssystemen ein. Das Engineering dieser immer komplexer werdenden Systeme wird allerdings erschwert, da spezialisierte und oftmals herstellerabhängige Steuerungs- und Simulations­lösungen verwendet werden. In diesem Beitrag wird auf­gezeigt, welche Anforderungen offene Steuerungs- und Simulationsplattformen in Zukunft erfüllen müssen, um ein durchgängiges Engineering von der Anforderungsphase bis in den Betrieb zu ermöglichen. Anhand einer beispielhaften Realisierung wird aufgezeigt, wie eine solche Lösung schon heute mithilfe offener industrieller Komponenten umgesetzt werden kann. S. 183

doi.org/10.37544/1436-4980-2024-05-19

 

Chancen und Herausforderungen von Software-Sensoren

E. Gross, M. Schneider, K. Fink, D. Breunig, T. Bauernhansl; M. Senk, P. Ohr – Murrelektronik GmbH, Oppenweiler; Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, Stuttgart

Software-Sensoren gewinnen in Produktion und Logistik zunehmend an Bedeutung, da sie komplexe Messaufgaben lösen und Messgrößen vorhandener physikalischer Sensoren fusionieren können. In diesem Beitrag werden daher die Potenziale von Software-Sensoren mittels eines explorativen Vorgehens untersucht und dargestellt. Hierbei werden die Gründe für den Einsatz sowie die Herausforderungen von Software-Sensoren dargestellt und anschießend diskutiert.  S. 189

doi.org/10.37544/1436-4980-2024-05-25

 

Automatische Erstellung von Simulationsmodellen

S. Schaper, A. Ast; A. Verl – Trumpf Werkzeugmaschinen SE + Co. KG, Ditzingen; Uni Stuttgart, ISW

Steigende Komplexität und ein höherer Softwareanteil bei Werkzeugmaschinen erfordern zunehmend den Einsatz der Virtuellen Inbetriebnahme (VIBN) zur Funktionsqualifizierung. Um alle Maschinen­varianten virtuell abbilden zu können, müssen Teilmodelle der Maschinen­module konfigurations- und versionsspezifisch zu einem Gesamt-­Simulationsmodell zusammengesetzt werden. Dieser Beitrag stellt eine Architektur vor, welche die automatische, konfigurations­basierte Erstellung von Simulationsmodellen für die skalierbare VIBN von Werkzeugmaschinen in einer Virtualisierungsumgebung erlaubt. S. 197

doi.org/10.37544/1436-4980-2024-05-33

 

Online-Frühwarnsystem: Ratterfrei Fräsen

C. Brecher, M. Fey, M. Wittmann – Werkzeugmaschinenlabor WZL der RWTH Aachen

Dieser Beitrag stellt eine innovative Methodik für ein Frühwarnsystem vor, das vor Rattern warnt und es gleichzeitig erlaubt, simulierte Stabilitätsgrenzen im laufenden Prozess zu nutzen. Schlüsselelemente sind die prozessparallele Identifikation der Schnittsteifigkeit zur Verbesserung der Modell­genauigkeit und die bedarfsgerechte Bewertung der Stabilität, wobei die im Prozess relevanten Arbeitspunkte ausgewertet werden. Die Wirksamkeit dieser Methode wurde durch erste Bearbeitungsversuche nachgewiesen, die zeigten, dass innerhalb weniger Sekunden eine zuverlässige Bewertung der Stabilität des Bearbeitungsprozesses möglich ist. S. 205

doi.org/10.37544/1436-4980-2024-05-41

 

Erhöhte Prozessstabilität durch Kegelrollenlager

M. Gärtner, R. Klimaschka, C. Brecher, S. Neus – WZL, RWTH Aachen

Anhand von Schnittversuchen an Stahl wird die verbesserte Stabilität einer Kegelrollenlagerspindel gegenüber einer Standardspindel mittels eines neuen, beschleunigten Messverfahrens demonstriert. S. 213

doi.org/10.37544/1436-4980-2024-05-49

 

Effiziente Ermittlung dynamischer Prozessgrenzen

C. Brecher, R. Klimaschka, S. Neus – WZL, RWTH Aachen

Die Produktivität zerspanender Fertigungsprozesse wird heutzutage nach wie vor maßgeblich durch dynamische Prozessinstabilitäten limitiert. Eine a priori Ermittlung dieser Grenzen ermöglicht einen hauptzeitminimierenden Fertigungsprozess, ist jedoch unter Nutzung konventioneller Verfahren mit wesentlichen Zeit- und Materialaufwänden verbunden. Dieser Beitrag stellt Forschungsergebnisse vor, die diese Aufwände um circa 85 % reduzieren. S. 220

doi.org/10.37544/1436-4980-2024-05-56

Reibmomentberechnung von Kugelgewindetrieben

C. Brecher, B. Biernat, J. Hameleers, Y. Lenschow, S. Neus – WZL, RWTH Aachen

Die Einführung der elektro­mechanischen Servolenkung in PKWs ermöglicht eine erhöhte Energieeffizienz und folgt damit dem globalen Trend der Entwicklung effizienter Maschinen und Anlagen. Eine anwendungsspezifische Auslegung von Kugelgewindetrieben (KGT) ermöglicht die Verwendung der Komponente in schweren Fahrzeugklassen und für Steer-by-Wire-Systeme. In diesem Beitrag wird eine Methode zur Berechnung des Reibverhaltens von KGT unter realen Belastungen vorgestellt. S. 230

doi.org/10.37544/1436-4980-2024-05-66

 

OPC UA Best Practices in der Modellierung nutzen

T. Heinemann, T. König, A. Lechler, O. Riedel – Uni Stuttgart, ISW

Mit der Popularität von Open Platform Communications Unified Architecture (OPC UA) und Companion Specifications (CS) wird ein allgemeines Verständnis von OPC-UA-Modellen wichtiger. Dazu hat die OPC Foundation ein Best Practices Whitepaper verfasst, um die Modellierenden zu unterstützen. Dieser Beitrag beschreibt, welche Inhalte in verschiedener Weise zur Nutzung und Überprüfung von OPC-UA-Modellen und Implementierungen geeignet sind und inwiefern diese Nutzung automatisiert erfolgen kann. S. 240

doi.org/10.37544/1436-4980-2024-05-76

 

Generalisierung eines maschinellen Lernmodells für das Laserschneiden auf verschiedenen Blechdicken

K. Leiner; D. Wall, J. Kühlem; M. Huber – Trumpf Werkzeugmaschinen SE + Co. KG, Ditzingen; Point 8 GmbH, Dortmund; Fraunhofer IPA, Stuttgart

In diesem Beitrag wird ein Machine-Learning-Modell auf Basis eines Autoencoders trainiert. Das Ziel des Modells ist es, Fehlschnitte beim Laserschneiden zu erkennen, da fehlerhafte Schnitte zu hohen Ausschussraten führen. Die Literatur zeigt, dass es möglich ist, mit Machine Learning Fehler beim Laserschneiden zu erkennen. Eine noch nicht vollständig gelöste Problemstellung ist die Anwendung eines Modells auf verschiedene Prozessparameter. In diesem Beitrag wird ein Ansatz vorgestellt, wie sich ein trainiertes Modell auf verschiedenen Blechdicken anwenden lässt. Zu diesem Zweck wird der Autoencoder mit einer erweiterten Verlustfunktion trainiert. Das Modell ist dann in der Lage, einen Fehlschnitt generalisiert über mehrere Blechdicken zu erkennen. S. 246

doi.org/10.37544/1436-4980-2024-05-82