EffiWeZ – Effizienter Werkzeugeinsatz in der Zerspanung durch datenbasierte Zustands- und Belastungsermittlung

In der industriellen Praxis führt das Versagen von Schneidwerkzeugen zu bis zu 20 Prozent der ungeplanten Stillstandszeiten zerspanender Werkzeugmaschinen. Die Kosten für Werkzeuge und Werkzeugwechsel machen bis zu acht Prozent der gesamten Produktionskosten aus. Dieser Anteil kann auf bis zu 34 Prozent steigen, werden durch Werkzeuge verursachte Stillstandszeiten und Qualitätsprobleme berücksichtigt. Dabei sind Werkzeugbrüche aufgrund möglicher Beschädigungen an Werkzeugmaschine oder Werkstück unbedingt zu vermeiden. Aus diesem Grund wer-den Werkzeuge in der Praxis bereits deutlich vor Erreichen des Endes der Lebensdauer ausgetauscht, was dazu führt, dass nur 50 bis 80 Prozent der effektiven Lebensdauer der Werkzeuge genutzt wird. Dieser Umstand sorgt für steigende Produktionskosten durch die Beschaffung von Werkzeugen und Stillstandszeiten für Werkzeugwechsel, welche zusätzlich mit einer erhöhten Personalbindung einhergehen.

Neben den Produktionskosten hat die Ausnutzung der gesamten Lebensdauer von Werkzeugen auch einen Einfluss auf den Fertigungsprozess hinsichtlich der Nachhaltigkeit. Die Produktion von Werkzeugen für die Zerspanung ist energieintensiv und bedarf verschiedener Rohstoffe wie der Schwermetalle Kobalt und Wolfram für die Hartmetallherstellung. So werden weltweit acht Prozent des Kobalts sowie in Europa 72 Prozent des Wolframs für die Hartmetallproduktion verwendet. Beide Rohstoffe sind aufgrund der Hauptvorkommen in China bzw. dem Kongo sowie der Wichtigkeit in weiteren Anwendungsfeldern wie Superlegierungen und Batterieproduktion von der Europäischen Union als kritische Rohstoffe eingestuft. Auch bei einem aktuellen Recyclinganteil von 50 Prozent gilt es daher den Verbrauch der Rohstoffe zu minimieren.
Um die Werkzeugstandzeit bei gleichzeitig hoher Werkstückqualität zu erhöhen, werden daher zur daten-basierten Überwachung der Werkzeuglebensdauer derzeit Systeme des Tool Condition Monitoring (TCM) untersucht.

Verschiedene Eintrittsbarrieren bei der Umsetzung solcher teils kommerziell verfügbarer Lösungen treten vor allem bei KMU aus dem verarbeiteten Gewerbe auf. Unter-nehmen finden nur wenige hochausgebildete IT-Fachkräfte auf dem Arbeitsmarkt. Gleichzeitig müssen Digitalisierungslösungen auf das hochkomplexe und häufig individuelle Umfeld in der Produktion abgestimmt werden. Zusätzlich ist die Integration digitaler Lösungen in die hochspezialisierte Produktion von KMU mit hohen Kosten verbunden unter der Gefahr, dass diese sich nicht in einem angemessen wirtschaftlichen Rahmen amortisieren. Schließlich stehen den möglichen Effizienzsteigerungen Sicherheitsbedenken und Innovationsverlust seitens der KMU beispielsweise in Form von Industriespionage gegenüber.

Neben diesen Eintrittsbarrieren stehen KMU zusätzlich vor den folgenden Herausforderungen:

• Werkzeugzustände werden in der industriellen Praxis, insbesondere bei KMU, nur unzureichend be-stimmt. Optische Vermessungen (bspw. Verschleiß-markenbreite) sind nicht wirtschaftlich realisierbar.
• Hilfsgrößen wie Standzeit, -weg oder durch kommerziell verfügbare TCM-Systeme berechnete Zustandsgrößen können in der Einzel- und Kleinserienfertigung aufgrund fehlender Prozessunabhän-gigkeit und damit mangelnder Übertragbarkeit nicht eingesetzt werden.
• Verschiedene Einflüsse auf den Werkzeugverschleiß aufgrund von Bearbeitungsbedingungen durch unterschiedliche geometrische Features, Prozessparameter oder weiterer Einflussfaktoren können nicht erfasst werden und somit nicht in eine Prozessplanung einfließen.
• Für die Nutzung von Algorithmen des maschinellen Lernens, sind große Daten-mengen erforderlich. Solche Datenmengen können bei KMU aufgrund fehlen-der Hardware sowie unzureichender Daten-durchgängigkeit nicht oder nur mit hohem Aufwand erfasst werden. Weiter eingeschränkt wird die Datenverfügbarkeit durch fehlende prozessunabhängige Verschleißkennwerte und damit eine nur auf konkrete Anwendungsfälle reduzierte Datengrundlage.

Aus den genannten Aspekten ergibt sich ein Bedarf für KMU nach einer prozessunabhängigen Bestimmung von Werkzeugverschleißzuständen, deren Fertigung durch Einzel- und Kleinserienfertigung geprägt ist.

In dem von der IGF-geförderten Vorgängerprojekt HisToolry (FVP, 18729 N, www.fvp-aachen.de) wurde durch die auftragsübergreifende und historienbasierte Auswertung von Werkzeuglebenszyklen eine Metho-dik entwickelt, die es spanend fertigenden KMU ermöglicht, Industrie 4.0-Ansätze mit geringem Hardware-aufwand einzusetzen. Prozessdaten aus der realen Bearbeitung können abgespeichert und den verwendeten Werkzeugen zu-geordnet werden. Auf Basis von maschineninternen sowie zusätzlicher veredelter Daten aus einer Durchdringungsrechnung und einem Prozesskraftmodell wurden erste Versuche zur Bestimmung eines binären Werkzeugverschleißzustandes (gut bzw. nicht gut) durch maschinelles Lernen durchgeführt. Umge-setzt wurde das Projekt HisToolry an einem einzelnen Demonstrator, eine Analyse auf gesamter Werkstatt-ebene wurde im Rahmen des Projektes noch nicht durchgeführt.

Im Projekt EffiWez soll dieser Ansatz aufbauend auf der implementierten Werkzeugrückverfolgung und Zuordnung von Prozessdaten um folgende Punkte erweitert werden:

1. Prozess-datenbasierte Bestimmung von quantifizierbaren und prozessunabhängigen Werkzeugverschleißzuständen zur Überwachung während der Bearbeitung (Zustandsindikatoren)
2. Prozessdatenbasierte Bestimmung von Einflüssen der Fertigungsprozesse auf die Änderungen des Werkzeugverschleißzustandes (Belastungsindikatoren)
3. Definition von Ähnlichkeitsmaßen für eine prozessunabhängige Verschleißermittlung und Übertragbarkeit zur Prognose und Prozessoptimierung in der Einzel- und Kleinserienfertigung durch die Iden-tifikation der Zusammenhänge zwischen Zustands- und Belastungsindikatoren

Die so erfassten und berechneten Informationen können in der gesamten CAD-CAM-NC-Kette Anwendung finden und ermöglichen schließlich Vorhersagen und Optimierungen des Werkzeugverschleißes bereits mit Beginn der Prozessplanung durch statistische Modelle oder die Verwendung maschineller Lernverfahren.
In der Praxis existieren bereits verschiedene physikalische, empirische und datengetriebene Modelle, um Aussagen und Vorschläge zur Werkzeugnutzung zu liefern. Diese Modelle werden zwar immer genauer, sind jedoch auf konkrete Anwendungsfälle begrenzt. Die im Vorhaben geplante prozessunabhängige Datenauswertung ermöglicht es, Werkzeugzustände prozessübergreifend zu bewerten und die zugrundeliegenden Modelle sukzessive zu erweitern. So wird eine Anwendung über die Serienfertigung hinaus in der Einzel- und Kleinserienfertigung ermöglicht.

Ziel des Projektes ist es, Modelle zu entwickeln, die den Verschleißzustand eines Werkzeuges basierend auf realen Fertigungsdaten mittels sogenannter Zustandsindikatoren prozessunabhängig und übertragbar beschreiben. Hierdurch soll unmittelbar eine Anwendung in der Einzel- und Kleinserienfertigung ermöglicht werden. Durch die prozessparallele kontinuierliche Identifikation o.g. Zustandsindikatoren können zudem sämtliche Fertigungsdaten genutzt werden, um Änderungen des Zustands aufgrund unterschiedlicher Prozessbedingungen in Form sogenannter Belastungsindikatoren zu beschreiben. Die Verknüpfung dieser Informationen liefert schließlich die Möglichkeit bestimmte Bearbeitungsbedingungen hinsichtlich des Verschleißeinflusses zu bewerten und damit Prognosen über den Werkzeugverschleiß für weitere Prozesse mit abweichenden Prozessparametern zu treffen.

Durch die Möglichkeit übertragbare Zustands- und Belastungsindikatoren kontinuierlich im Produktivbetrieb zu ermitteln, muss der oben beschriebene Zusammenhang zwischen Belastung und Werkzeugzustand nicht durch ein allgemeingültiges, komplexes Modell beschrieben werden. Vielmehr kann ein sehr einfaches empirisches Modell mit kleinem Gültigkeitsbereich verwendet werden, das jedoch für alle relevanten Gültigkeitsbereiche individuell parametriert wird. Voraussetzung hierfür ist die oben beschriebene übertragbare und prozessunabhängige Bestimmung der Zustands- und Belastungsindikatoren.

Hieraus ergeben sich die drei zentralen Forschungsfragen:

1. Wie kann der Verschleißzustand prozessunabhängig datenbasiert beschrieben werden bzw. welche Zustandsindikatoren können den Werkzeugverschleiß unabhängig vom Fertigungsprozess charakterisieren?
2. Wie kann die Belastungssituation auf das Werkzeug während der Zerspanung datenbasiert beschrie-ben werden bzw. welche Belastungsindikatoren sind für den Werkzeugverschleiß ausschlaggebend?
3. Wie können auf Basis der Belastungs- und Zustandsindikatoren Ähnlichkeitsmaße für verschiedene Prozesse ermittelt werden, um eine Übertragbarkeit der Werkzeugbelastung und -zustände für die Prognose des Werkzeugverschleißes und Prozessoptimierung in der Einzel- und Kleinserienfertigung zu gewährleisten?

Förderhinweis

Das IGF-Vorhaben EffiWeZ (22922N) der Forschungsvereinigung Programmiersprachen für Fertigungseinrichtungen (FVP) e.V. wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert. Der Förderzeitraum begann im Juli 2023 und endete im Dezember 2025.