Verschleißerkennung beim Zerspanen per App

Die App erkennt, um welchen Verschleiß es sich handelt und erteilt basierend darauf Ratschläge, um zu verhindern, dass der Verschleiß erneut auftritt. (Bild: C-Com GmbH)

Die App erkennt, um welchen Verschleiß es sich handelt und erteilt basierend darauf Ratschläge, um zu verhindern, dass der Verschleiß erneut auftritt. (Bild: C-Com GmbH)

Smartphone ausreichend

„Erste Voraussetzung war, dass wir mit einem Smartphone ein ausreichend genaues Bild der Schneide bekommen“, erläutert Dr. Winkelmann. Sprich – ohne Laborbeleuchtung, Mikroskop und Profikamera. „Dafür haben wir verschlissene Schneiden bei verschiedenen Lichtverhältnissen und mit unterschiedlichen Smartphones der neusten Generation fotografiert“, ergänzt Fiorucci. Es zeigte sich, dass die Kameratechnologie in den Smartphones ausreicht, um die Schneide auch bei ungünstigen Lichtverhältnissen abzubilden. Einzig eine herkömmliche Zusatzlinse zur Bildvergrößerung, die der App-Nutzer auf die Kamera aufsetzt, ist nötig. „Die Anwendung ist denkbar einfach“, sagt Fiorucci. Der Anwender fotografiert die verschlissene Schneide und die App erkennt, um welchen Verschleiß es sich handelt. Sie ist in der Lage, verschiedene Arten von Verschleiß, wie Freiflächenverschleiß, Kolkverschleiß oder eine Aufbauschneide, zu erkennen. Basierend darauf erteilt die App Ratschläge, beispielsweise den Vorschub zu reduzieren, die Drehzahl zu erhöhen oder auf eine andere Beschichtung umzusteigen. So verhindern Zerspaner, dass der Verschleiß erneut auftritt. Darüber hinaus sparen sie Ressourcen ein – Personal, Zeit und Material.

Deep Learning Inside

Die Applikation basiert auf Machine Learning. Und so qualifizieren die c-Com Mitarbeiter gemeinsam mit den Werkzeugspezialisten von Mapal tausende Bilder verschlissener Schneiden. Dr. Winkelmann beschreibt: „Wir haben den Algorithmus trainiert und ihm sozusagen gezeigt, wie welcher Verschleiß aussieht, und ob eine Schneide in Ordnung ist oder eben nicht.“ „In diesem Fall haben wir unsere App auf Deep Learning aufgesetzt“, präzisiert Winkelmann. Das Modell also läuft nicht nach dem Wenn-Dann-Prinzip, also regelbasiert, sondern auf der Grundlage eines lernenden Systems. Es eignet sich mit jedem Einsatz neues Wissen an und wendet es an. „Die Ratschläge und Hinweise, was zu tun ist um den Verschleiß zu verhindern, sind heute noch statisch“, stellt Fiorucci fest. Allerdings arbeite c-Com mit Hochdruck an der Betaversion, die anhand der Werkzeugeinsatzdaten ganz konkrete und präzise Hinweise gibt, was die Zerspaner anpassen sollen. „Wir entwickeln einen ´Technischen Berater‘ für die Hosentasche´, erklärt Giari Fiorucci. Mit zahlreichen Ausbaumöglichkeiten, um Anwendern die Arbeit zu erleichtern.

Seiten: 1 2Auf einer Seite lesen

MAPAL Fabrik für Präzisionswerkzeuge

Das könnte Sie auch Interessieren