Smarte Aufspannkontrolle

gefördert durch das Hessische Ministerium für Wissenschaft und Kunst

LOEWE 3 KMU-Verbundvorhaben

Fräsen ist ein spanendes Fertigungsverfahren, das zur Herstellung ebener oder gekrümmter Flächen eingesetzt wird. Die Späne werden von einem Fräswerkzeug, das sich mit hoher Geschwindigkeit um die eigene Achse dreht, aus dem Rohteil herausgeschnitten. Die Vorschubbewegung erfolgt senkrecht oder schräg zur Rotationsachse des Werkzeuges. Um das Rohteil sicher und genau bearbeiten zu können, wird es mit einem Spannmittel im Arbeitsraum der Fräsmaschine fixiert. Die Art und Positionierung von Rohteil und Spannmittel wird hier als Aufspannsituation bezeichnet.

Typische Fehler beim Aufspannen sind der Einsatz eines falschen Spannwerkzeugs, fehlerhafte Abmessungen oder Positionierung des Rohteils, oder die Auswahl des falschen CNC Fertigungsprogramms. Derartige Fehler können beim Zerspanen zu schweren Kollisionen führen, wenn das Werkzeug mit hoher Geschwindigkeit in das Rohteil oder in das Spannmittel fährt. Die Schäden einer Kollision gehen von einem Werkzeugbruch über eine Zerstörung der Motorspindel bis hin zum Verzug der Maschinenachsen. In der Praxis erfolgt die Kontrolle der Aufspannsituation durch den Werker. Die Qualität der Einschätzung hängt daher maßgeblich von der Qualifikation, der Erfahrung und der Aufmerksamkeit des Personals ab und bleibt immer ein Risikofaktor. Es besteht der dringende Bedarf an einem zuverlässigen Kontrollsystem, das unterschiedliche Fehlbedienungen frühzeitig erkennt und vor drohenden Kollisionen warnt.

Im Rahmen dieses Projekts soll eine smarte Aufspannkontrolle entwickelt werden. Diese erfasst die dreidimensionale Aufspannsituation in der CNC-Fräsmaschine durch ein Computer-Vision System und vergleicht sie mit den digitalen CAD/CAM-Daten. Bei Abweichungen zwischen der erfassten Aufspannsituation und der digitalen Referenz wird der Maschinenbediener gewarnt. Die smarte Aufspannkontrolle fungiert also selbstständig als „zweites Paar Augen“ und kann maßgeblich dazu beitragen, schwere Kollisionen sowie hohe Reparatur- und Ausfallkosten zu vermeiden.

Antragsteller: DATRON AG

Verbundpartner: FB Maschinenbau und Kunststofftechnik - Prof. Dr. Marina Dervisopoulos, FB Informatik - Prof. Dr. Elke Hergenröther

Mitarbeiter der h_da: Jonas Bien (FB I), Jakob Wagner und Julius Weihe (FB MK)

Abgeschlossen: Oktober 2021

Disseminationen:

• Bien, J., Weihe, J., Wagner, J., Lagemann, T., Hergenröther, E., Dervisopoulos, M. Computer-Vision-gestütztes Einmessen von Rohteilen. wt Werkstatt, Heft 09, 2021.
• Bien, J. Konzeption und partielle Realisierung eines Computer Vision Systems zur Aufspannkontrolle für Fräsmaschinen. Masterarbeit Hochschule Darmstadt, 2019.
• Bienias, T. Computergrafik gestützte Generierung von Bilddaten zum Trainieren von Deep Learning Modellen. Masterarbeit Hochschule Darmstadt, 2019.
• Reinhardt, Luis. Evaluation einer Lesebibliothek zur Implementierung einer 2D-Code-Erkennung für eine Fräsmaschine. Bachelorarbeit Hochschule Darmstadt, 2020.
• Appel, S. Echtzeit-Klassifizierung von Spannwerkzeugen mit neuronalen Netzen bei kleinen Datensätzen. Masterarbeit Hochschule Darmstadt, 2021.
• Ciftci, K. Erweiterung einer Kamerageführten Werkstückeinmessung. Masterarbeit Hochschule Darmstadt, Abgabe Juni 2022.