Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK

Filters

3
3
3
3
Reset filters

Settings
Now showing 1 - 3 of 3
  • Publication
    Improvement of Defect Detectability in Machine Tools Using Sensor-based Condition Monitoring Applications
    ( 2018)
    Demilia, G.
    ;
    Gaspari, A.
    ;
    Hohwieler, E.
    ;
    Laghmouchi, A.
    ;
    Uhlmann, E.
    The aim of this paper is to present a reliable methodology for condition monitoring of components of high performance centerless grinding machines. This enables the detection and localization of the defects on the ball screw. The fault detection is realized using a self-implemented classification algorithm and other pattern recognition algorithms. The diagnosis is based on acceleration and AE measurement data performed on an axis test rig using various damaged ball screws at different operating parameters. Moreover, the structure of the pattern recognition process will be introduced, this includes the signal pre-processing, the selection of the most suitable features for this specific application using MATLAB®. Finally, the evaluation of the developed solution will be showed. The actions allowing improving the accuracy of measurement data and the effectiveness of the processing algorithms, based on MATLAB® applications, are described throughout the paper. Satisfactory classification results will be obtained and discussed.
  • Publication
    Intelligentes Elektroniksystem für Condition Monitoring in Industrie 4.0
    ( 2016)
    Uhlmann, E.
    ;
    Laghmouchi, A.
    ;
    Ehrenpfordt, R.
    ;
    Hohwieler, E.
    ;
    Geisert, C.
    Im Rahmen dieses Beitrags werden die geplanten Arbeiten des Forschungsprojekts ""AMELI4.0"" vorgestellt. Der Schwerpunkt dieses Projekts liegt in der Entwicklung und Umsetzung hochintegrierter, vernetzter, energieautarker MEMS-Multisensorsysteme (Mikro-Elektro-Mechanische Systeme - MEMS) mit intelligenter Echtzeit-Datenverarbeitung auf Sensorebene bei hoher Daten- und Systemsicherheit. Das Multisensorsystem integriert mehrere MEMS-Sensoren zur Erfassung von Körperschall und akustischer Schall in Kombination mit der energieeffizienten Signalvorverarbeitung auf Sensorebene (Smart Data statt Big Data) bei hoher Systemrobustheit in einem modularen Hardware- und Plattformdesign. Des Weiteren werden die adressierten Anwendungsfälle und der Forschungsschwerpunkt des Fraunhofer IPK zum Thema Datenanalyse und Datenmanagement vorgestellt.
  • Publication
    CPS-basiertes Life Cycle Monitoring und Management
    ( 2015)
    Uhlmann, E.
    ;
    Laghmouchi, A.
    ;
    Geisert, C.
    Der Artikel erläutert ein cyber-physisches Anlagensystem (CPS) mit integrierten kommunikationsfähigen Sensoren zur Generierung von Betriebs- und Zustandsdaten. Die IT-Infrastruktur verlinkt Daten aus der Nutzungsphase mit Daten aus der Entwicklungsphase. Condition- Monitoring-Lösungen dienen der Zustandserfassung und -bewertung an verschleißbehafteten Komponenten, wie Kolbenkompressor zur Drucklufterzeugung (Pneumatik) oder Wälzlager (Vorschubachsen). Strategien zur Ermittlung des Instandhaltungsbedarfs auf Basis von Produkt- und Zustandsdaten werden angewendet und die Ergebnisse für Produktionsanlagen anhand des Achsprüfstands evaluiert. Die Vernetzung von Informationen aus der Betriebsphase mit Informationen aus der Nutzungsphase führt zu einem umfassenden Informationsmanagement im Lebenszyklus. Dadurch lässt sich unter anderem die Instandhaltung optimal planen und effizient durchführen. Außerdem können Störungen durch intelligente Verknüpfung von Zustandsdaten mit Daten aus dem PDM- und IPS-System zielgerichtet und frühzeitig behoben werden. Letztlich unterstützt die Verlinkung der Zustands- und Konfigurationshistorie einer Anlage mit den Produktdaten im PDM die Entwicklung neuer Anlagen im Sinne eines Feedback-to-Design.