Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Qualitätsdatengesteuerte Produktion: Technologische Trends in der Produktion

Quality-driven production: Technological trends in production
 
: Teutsch, Christian; Schenk, Michael

wt Werkstattstechnik online 107 (2017), Nr.11-12, S.793-797
http://www.technikwissen.de/wt/
ISSN: 1436-4980
ISSN: 1436-5006
Deutsch
Zeitschriftenaufsatz
Fraunhofer IFF ()
Quality-driven Production; Technological trends in production

Abstract
Das konsequente Nutzen von Informationen aus dem Produktionsprozess für die optimale Steuerung von Maschinen und Anlagen ist einer der grundlegenden Ansätze der Industrie 4.0. Die Qualitätsdaten des resultierenden Produktes haben diesbezüglich eine besonders hohe Aussagekraft, denn diese lassen zuverlässige Rückschlüsse auf Abweichungen im Produktionsprozess zu. Setzt man die Daten des laufenden Produktionsprozesses in Korrelation zur produktindividuellen Qualität am Prozessende können qualitätskritische Prozessparameter und deren Schwankungen ermittelt und Qualitätsabweichungen, zum Beispiel durch Verschleiß, rechtzeitig prognostiziert werden. Darüber hinausgehend ermöglichen beispielsweise kontinuierlich ermittelte geometrische Qualitätsdaten und Formabweichungen die adaptive Berechnung optimaler Steuerungsparameter für NC-Bearbeitungsmaschinen, wodurch sich prädiktive Ansätze der Verschleißermittlung in neue präskriptive Ansätze zur adaptiven Steuerung wandeln. Daher ist die präzise Kenntnis dieser Ursache-Wirkung-Zusammenhänge heute ein entscheidender Wettbewerbsvorteil und eröffnet neue wirtschaftliche Potentiale. Am Beispiel der NC-Bearbeitung von Aluminiumrädern wird die praktische Umsetzung des Konzeptes diskutiert.

 

The utilization of information from the production process for the optimal control of machines is one of the fundamentals of Industrie 4.0. The quality data of the resulting product allows to draw conclusions on production process deviations. By correlating conti - nuous process data with the product's individual quality at the process end, dependencies can be determined that are critical to the quality or that lead to unwanted quality variations. The data dependencies can then be used to forecast process deviations, e.g. due to wear of tools. Furthermore, the geometric quality data can be used to adaptively reconstruct control parameters for NC machine tools and predictive approaches are transformed into new prescriptive approaches. A precise knowledge about the cause-effect relationship is a vital competitive advantage and provides new economic potentials. At the example of the NC processing of aluminum wheels the prac tical application of this concept is discussed:

: http://publica.fraunhofer.de/dokumente/N-503172.html

<