Image
generierung_digitales_bauteil.jpeg
Foto: RWTH Aachen
Generierung eines digitalen Bauteils mit anschließender virtueller Qualitätskontrolle. 

Unternehmen

Fachseminar zur CAD-CAM-NC-Verfahrenskette

Fachseminar „Trends und Potenziale der CAD-CAM-NC-Verfahrenskette“ der RWTH Aachen bietet tiefe Einblicke in Prozessdatennutzung im Produktionsumfeld.

Beim Fachseminar „Trends und Potenziale der CAD-CAM-NC-Verfahrenskette“ vom 19. bis 20. Oktober 2021 bietet das Werkzeugmaschinenlabor WZL der RWTH Aachen University einen tieferen Einblick in Zusammenhänge, Entwicklungen und Chancen der Prozessdatennutzung im Produktionsumfeld auf Basis anwendungsorientierter Datengranularität. Die Auswertung maschinennaher Daten bietet große Potenziale zur Steigerung von Effizienz und Nachhaltigkeit in der Produktion. Am WZL der RWTH Aachen University werden Ansätze entwickelt, die Sensordaten mit physikalischen Modellen des Fertigungsprozesses kombinieren. So können höherwertige Informationen durch z. B. Prozesskraftmodelle generiert und in Form eines digitalen Bauteils gespeichert werden.

Fachseminar für mehr Effizienz in der Produktion

Um aus den Daten einen Mehrwert für die produzierende Industrie zu schaffen, muss eine anwendungsorientierte Datengranularität hergestellt werden. Steht z. B. der Werkzeugverschleiß im Fokus, der sich erst mit größerem Zeithorizont einstellt, müssen Einzeldatensätze komprimiert werden. Hierfür eignen sich u. a. Heatmaps, die die zum Materialabtrag benötigte Energie eines Prozesses einheitlich visualisieren. Deep-Learning-Modelle sind im Anschluss in der Lage, mithilfe der Heatmaps auf den aktuellen Verschleißzustand zu schließen.

Image
deep_learning_modelle.jpeg
Foto: RWTH Aachen
Bestimmung des Werkzeugverschleißzustands durch Deep-Learning-Modelle in der CAD-CAM-NC-Verfahrenskette.

CAD-CAM-NC-Verfahrenskette im Fokus

Gleichzeitig geht eine solche Datenkomprimierung mit einem Informationsverlust einher, der die Verwertbarkeit der Daten je nach Anwendungskontext erschwert. Daher werden am WZL auch Data-Mining-Methoden entwickelt, die die Prozessdaten auf Basis der enthaltenen multidimensionalen Muster automatisiert in bedeutungsvolle Teilbereiche gliedern. Durch deren anschließende Klassifizierung kann die Vielzahl der Daten auch unabhängig vom konkreten Fertigungsprozess in Datenbanken effizient gespeichert und für lernende Modelle genutzt werden. Weitere Informationen zum Seminar finden Sie hier

ak

Image
data_mining_methoden.jpeg
Foto: RWTH Aachen
Das Fachseminar beschäftigt sich mit der automatisierten Erkennung von Prozesscharakteristika durch Data-Mining-Methoden.