ACIMO: Analyse acoustique intelligente de la machine

Im Innosuisse Projekt ACIMO wird eine Methodik zur Zustandsbestimmung von Werkzeugen im Herstellungsprozess erarbeitet. Dadurch sollen die Prozessunterbrüche und Gesamtkosten pro hergestelltes Werkstück reduziert werden.

Steckbrief

  • Lead-Departement(e) Technik und Informatik
  • Institut Institut für Intelligente Industrielle Systeme
  • Forschungseinheit I3S / Prozessoptimierung in der Fertigung
  • Förderorganisation Innosuisse
  • Laufzeit (geplant) 13.06.2022 - 13.03.2024
  • Projektverantwortung Prof. Dr. Axel Fuerst
  • Projektleitung Simon Walther
  • Projektmitarbeitende Simon Walther
    Severin Nathanael Herren
  • Partner Maillefer Instruments
    Tornos SA
    Utilis
    Association de Recherche Communautaire des moyens de production Microtechniques (ARCM)
    Haute Ecole Arc Ingénierie
  • Schlüsselwörter Condition Monitoring, Hybrid Machine Learning, Smart Sensors, Tool Wear

Ausgangslage

Im Herstellungsprozess von Werkstücken verschleissen die Werkzeuge abhängig von den Einsatz- und Umgebungsbedingungen. Erhöhter Verschleiss am Werkzeug führt am Werkstück zu ungenügender Oberflächenbeschaffenheit sowie Ungenauigkeit der Masse. Der erhöhte Verschleiss und dessen Auswirkungen treten bei einem zu späten Werkzeugersatz auf. Ein verfrühter Werkzeugersatz hingegen resultiert in erhöhten Werkzeugkosten und mehr Prozessunterbrüchen.

teaser-acim

Vorgehen

Das ACIMO-Konzept sieht während dem Herstellungsprozess Messungen an den Werkzeugen sowie  das Auslesen der Prozessparameter vor. Als Referenz für den Verschleiss der Werkzeuge dienen die bewährten Qualitätskriterien der Werkstücke wie die Oberflächengüte und die Massgenauigkeit.

Mit den gewonnenen Messdaten wird mittels Machine Learning ein Modell erstellt, welches den Verschleisszustand der Werkzeuge bestimmen soll.

Die BFH ist verantwortlich für das Entwickeln der Messstrategie und des hybriden Machine Learning Modelles. Dazu wird mit den erzeugten Daten, dem physikalischem Wissen, den Prozessdaten und den Qualitätseigenschaften ein Zustandsbestimmungsmodell entwickelt.

Geleitet wird das Projekt von der Haute Ecole Arc Ingénierie.